針對花朵授粉算法收斂速度慢、不易跳出局部最優(yōu)、搜索精度低的問題,根據(jù)花朵授粉算法的運(yùn)動特點,提出了中心隨機(jī)替換策略,加快算法的搜索速度。同時為了提高算法的全局搜索能力,加入多樣性控制策略,動態(tài)改變轉(zhuǎn)換概率p,增加全局搜索的概率。經(jīng)六種測試函數(shù)仿真實驗,該算法在加快收斂速度的同時,合理地保持算法的多樣性,相比于其他啟發(fā)式智能算法擁有更快的尋優(yōu)速度和更好的尋優(yōu)精度。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1迭代1次的花粉分布圖

）非生物的自花授粉是局部授粉過程。（3）花的常性可以被認(rèn)為是繁衍概率，繁衍概率與參與的兩朵花的相似性成比例關(guān)系。（4）轉(zhuǎn)換概率p∈[0,1]控制全局授粉和局部授粉之間的轉(zhuǎn)換，由于物理上的鄰近性和風(fēng)等其他因素的影響，在整個授粉活動中，p是花朵授粉的非常重要的部分。3花朵授粉算法花朵....

圖2迭代100次的花粉分布圖

圖3Ca)中可知，CRSDCFPA算法可以更快地尋到了理論最優(yōu)值，折線較少;而其他三種算法無法找到理論最優(yōu)值，其中過多的折線表明很容易陷入局部最優(yōu)，充分證明了在低維條件下該算法擁?

2019，55（18）CRSDCFPA算法可以找到理論最優(yōu)值，而其他三種算法無法找到理論最優(yōu)值；CRSDCFPA算法的最優(yōu)值、平均值和最差值之間的差距很小，而其他兩種改良算法，尤其是CFPA算法的最優(yōu)值、平均值和最差值之間的差距很大。由于本文算法在迭代后期的全局搜索能力過強(qiáng)，對于....

圖4測試函數(shù)的CRSDC

表6所示。CRSDCFPA算法雖然比FPA算法運(yùn)行時間略長，但最小運(yùn)行時間和平均運(yùn)行時間都比較短，仍然在可接受的范圍內(nèi)，用小的時間代價換取更高的收斂精度是值得的。這證明CRSDCFPA算法是確實可行的。4.5種群多樣性多樣性分析是衡量算法的全局搜索能力的一項重要標(biāo)準(zhǔn)。在迭代過程中....

本文編號：3988099