本文關鍵詞：基于變異策略的改進型花朵授粉算法　出處：《計算機應用研究》2017年12期 　論文類型：期刊論文

  更多相關文章： 花朵授粉算法 變異策略 定向變異 均勻變異

【摘要】：介紹了一種新的元啟發(fā)式群智能算法——花朵授粉算法(flower pollinate algorithm,FPA)和一種新型的差分進化變異策略——定向變異(targeted mutation,TM)策略。針對FPA存在的收斂速度慢、尋優(yōu)精度低、易陷入局部最優(yōu)等問題,提出了一種基于變異策略的改進型花朵授粉算法——MFPA。該算法通過改進TM策略,并應用到FPA的局部搜索過程中,以增強算法的局部開發(fā)能力;同時在FPA的全局搜索過程中引入均勻變異算子,以增強算法的全局尋優(yōu)能力。最后通過四個標準的測試函數進行測試,測試結果表明,MFPA的尋優(yōu)能力明顯優(yōu)于原始的花朵授粉算法、粒子群算法以及蝙蝠算法。
[Abstract]:A new meta-heuristic swarm intelligence algorithm, flower pollinate algorithm, is introduced. FPA) and a new differential evolutionary mutation strategy (directed mutation). The convergence rate of FPA is slow and the precision of optimization is low. This paper presents an improved flower pollination algorithm based on mutation strategy, which is applied to the local search of FPA by improving TM strategy. To enhance the local development ability of the algorithm; At the same time, the uniform mutation operator is introduced into the global search process of FPA to enhance the global optimization ability of the algorithm. Finally, four standard test functions are used to test, and the test results show that. MFPA is superior to the original flower pollination algorithm, particle swarm optimization algorithm and bat algorithm.
【作者單位】： 合肥電子工程學院;
【基金】：國家自然科學基金面上資助項目(61179036)
【分類號】：TP18
【正文快照】： 花朵授粉算法(FPA)是由英國學者Yang[1]受開花植物授粉過程的啟發(fā)于2012年提出的一種新型元啟發(fā)式群智能算法。FPA實現簡單,參數較少,有著新穎的尋優(yōu)結構,具有極大的研究潛力,目前已被成功應用于圖形著色、特征選擇、電力系統(tǒng)優(yōu)化等問題[2~5]。但對于一些復雜的優(yōu)化模型求解問

【相似文獻】

相關期刊論文 前10條

1 張化祥;陸晶;;基于Q學習的適應性進化規(guī)劃算法[J];自動化學報;2008年07期

2 付國江,王少梅,李寧;一種新的PSO變異策略[J];武漢理工大學學報(信息與管理工程版);2005年02期

3 蔣紹先;孔韜;魏瑞軒;;粒子群算法的最小值邊界變異策略[J];電光與控制;2007年06期

4 劉三陽;張曉偉;;混合差分變異策略[J];智能系統(tǒng)學報;2008年06期

5 汪文彬;李應勇;;一種改進的多目標變異算子[J];安徽廣播電視大學學報;2008年02期

6 劉志軍;唐柳;劉克銅;吳冬方;;差分演化算法中變異策略的改進與算法的優(yōu)化[J];化工自動化及儀表;2010年09期

7 湯小為;湯俊;萬爽;唐波;;改進變異策略的自適應差分進化算法及其應用[J];宇航學報;2013年07期

8 李良敏;改進二進制編碼變異策略研究[J];系統(tǒng)仿真學報;2005年05期

9 莫愿斌;劉付永;張宇楠;;帶高斯變異的人工螢火蟲優(yōu)化算法[J];計算機應用研究;2013年01期

10 鄢靖豐;;一種改進的人工蜂群算法及其應用研究[J];許昌學院學報;2013年02期

相關博士學位論文 前2條

1 李大威;基于集成學習的高分遙感圖像玉米區(qū)高精度提取算法研究[D];中北大學;2017年

2 李向濤;進化算法研究及其在化學信息學中的應用[D];東北師范大學;2015年

相關碩士學位論文 前10條

1 和夢思;粒子群進化算法的改進及應用[D];深圳大學;2015年

2 許崢;自適應PID算法在減水劑生產控制中的研究與實現[D];北京工業(yè)大學;2015年

3 李倩;基于膜計算的黑洞聚類算法研究[D];西華大學;2015年

4 劉建;無線傳感器網絡鏈式路由算法[D];廣西師范大學;2015年

5 褚夫飛;基于改進人工蜂群算法的分散式風功率預測方法研究[D];東北大學;2014年

6 王耀輝;蜂群算法應用研究[D];福州大學;2013年

7 付美玲;引入蛙跳局部搜索和混沌原理的布谷鳥算法[D];內蒙古工業(yè)大學;2016年

8 劉天健;禁忌搜索的混合蝙蝠算法的研究及應用[D];廣西大學;2016年

9 葉奕茂;基于人工蜂群算法的高維多極值函數的全局優(yōu)化[D];廣西大學;2016年

10 王睿;植物花授粉算法及應用研究[D];廣西民族大學;2016年

，

本文編號：1413544