針對基本花授粉算法(FPA)收斂速度慢、尋優(yōu)精度低以及容易陷入局部最優(yōu)的缺點,提出了一種基于動態(tài)全局搜索和柯西變異的花授粉算法DCFPA。利用混沌映射增強花粉種群初始分布的隨機性和均勻性,在全局授粉過程中,引入全局平均最優(yōu)花粉位置和動態(tài)權(quán)重遞減因子共同實現(xiàn)花粉個體位置的更新,牽引算法朝著正確的搜索方向進行,避免算法早熟收斂,最后利用Cauchy變異,增加種群多樣性,幫助算法跳出局部最優(yōu)。對6個測試函數(shù)進行仿真實驗表明,DCFPA算法比FPA具有更好的全局優(yōu)化能力,提升了算法的收斂速度與求解精度;與相關(guān)的改進算法比較結(jié)果也表明,DCFPA整體上也具有更好的優(yōu)化性能。

【文章頁數(shù)】：8 頁

【文章目錄】：
1引言
2基本花授粉算法
3基于動態(tài)全局搜索和柯西變異的花授粉算法
    3.1混沌映射
    3.2動態(tài)全局搜索方法
    3.3基于柯西變異的優(yōu)化方法
    3.4 DCFPA的實現(xiàn)步驟
    3.5 DCFPA時間復雜度分析
4實驗仿真與結(jié)果分析
    4.1實驗設(shè)計
    4.2實驗結(jié)果與分析
5總結(jié)



本文編號：3784882