本文選題：花朵授粉算法 + 尋優(yōu)性能�。� 參考：《計算機應(yīng)用研究》2016年01期

【摘要】：受自然界花朵授粉過程的啟發(fā),Yang提出了一種新的元啟發(fā)式群智能算法——花朵授粉算法,該算法融合了現(xiàn)有其他智能算法的優(yōu)點。首先闡述了花朵授粉的特征,從機理上描述了該算法的實現(xiàn)步驟,同時對該算法的尋優(yōu)性能進行了剖析。其次,針對花朵授粉算法尋優(yōu)精度低、收斂速度慢、易陷入局部極小的不足,提出一種基于差分進化策略的花朵授粉算法,該算法引入差分進化中的變異、交叉及選擇操作,使缺乏變異機制的花朵授粉算法具有變異能力,增加種群的多樣性,提高算法的全局尋優(yōu)能力和避免種群個體陷入局部最優(yōu)。通過十個標(biāo)準(zhǔn)測試函數(shù)進行測試,仿真結(jié)果表明,改進算法的尋優(yōu)能力明顯優(yōu)于基本的花朵授粉算法、蝙蝠算法、粒子群算法及改進的粒子群算法。
[Abstract]:Inspired by the natural flower pollination process, Yang proposed a new meta-heuristic swarm intelligence algorithm, the flower pollination algorithm, which combines the advantages of other existing intelligent algorithms.Firstly, the characteristics of flower pollination are described, the implementation steps of the algorithm are described from the mechanism, and the optimization performance of the algorithm is analyzed.Secondly, a flower pollination algorithm based on differential evolution strategy is proposed, which introduces mutation, crossover and selection operations in differential evolution, aiming at the shortcomings of low precision, slow convergence speed and easy to fall into local minima of flower pollination algorithm.The flower pollination algorithm, which lacks mutation mechanism, has the ability to mutation, increase the diversity of population, improve the ability of global optimization and avoid the population individual falling into local optimum.The simulation results show that the improved algorithm is superior to the basic flower pollination algorithm, bat algorithm, particle swarm optimization algorithm and improved particle swarm optimization algorithm.
【作者單位】： 江西財經(jīng)大學(xué)信息管理學(xué)院;河池學(xué)院計算機與信息工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61173146) 廣西自然科學(xué)基金資助項目(2013GXNSFBA019022) 廣西高校科學(xué)技術(shù)研究資助項目(KY2015LX332,KY2015LX334) 江西省研究生創(chuàng)新基金資助項目(YC2015-B054) 河池學(xué)院計算機網(wǎng)絡(luò)與軟件新技術(shù)重點實驗室資助項目(院科研(2013)3號) 校級資助項目(XJ2015QN003)
【分類號】：TP18

【參考文獻】

相關(guān)期刊論文 前2條

1 李明;曹德欣;;混合CS算法的DE算法[J];計算機工程與應(yīng)用;2013年09期

2 喬瑩瑩;宋威;馬偉;;基于GA優(yōu)化QPSO算法的文本聚類[J];計算機應(yīng)用研究;2014年10期

【共引文獻】

相關(guān)期刊論文 前8條

1 肖輝輝;段艷明;;基于DE算法改進的蝙蝠算法的研究及應(yīng)用[J];計算機仿真;2014年01期

2 肖輝輝;段艷明;;基于差分進化的布谷鳥搜索算法[J];計算機應(yīng)用;2014年06期

3 李愛菊;鈕文良;王廷梅;;改進布鳥搜索算法最大熵值的醫(yī)學(xué)圖像分割[J];計算機仿真;2014年08期

4 肖輝輝;萬常選;段艷明;鐘青;;基于模擬退火的花朵授粉優(yōu)化算法[J];計算機應(yīng)用;2015年04期

5 任璐;李海洋;賀興時;;基于逐維改進的自適應(yīng)步長布谷鳥搜索算法[J];河北科技大學(xué)學(xué)報;2015年05期

6 蘭少峰;劉升;;布谷鳥搜索算法研究綜述[J];計算機工程與設(shè)計;2015年04期

7 肖輝輝;段艷明;;改進的蝙蝠算法在數(shù)值積分中的應(yīng)用研究[J];智能系統(tǒng)學(xué)報;2014年03期

8 肖輝輝;萬常選;段艷明;;一種基于復(fù)合形法的花朵授粉算法[J];小型微型計算機系統(tǒng);2015年06期

相關(guān)碩士學(xué)位論文 前2條

1 劉瀛;求解隨機期望值模型的差分進化算法[D];渤海大學(xué);2014年

2 鄭巧燕;布谷鳥搜索算法的改進及其在優(yōu)化問題中的應(yīng)用[D];廣西民族大學(xué);2014年

【二級參考文獻】

相關(guān)期刊論文 前6條

1 曾毅;浮點遺傳算法在非線性方程組求解中的應(yīng)用[J];華東交通大學(xué)學(xué)報;2005年01期

2 龍海俠;須文波;孫俊;;基于QPSO的數(shù)據(jù)聚類[J];計算機應(yīng)用研究;2006年12期

3 唐槐璐;須文波;龍海俠;;基于量子行為的微粒群優(yōu)化算法的數(shù)據(jù)聚類[J];計算機應(yīng)用研究;2007年11期

4 劉韜;殷鋒;陳建英;何蔚林;;基于量子行為的粒子群優(yōu)化算法分類規(guī)則獲取[J];計算機應(yīng)用研究;2009年02期

5 楊啟文,蔣靜坪,曲朝霞,張國宏;應(yīng)用邏輯操作改善遺傳算法性能[J];控制與決策;2000年04期

6 方偉;孫俊;謝振平;須文波;;量子粒子群優(yōu)化算法的收斂性分析及控制參數(shù)研究[J];物理學(xué)報;2010年06期

【相似文獻】

相關(guān)期刊論文 前10條

1 吳燕玲;盧建剛;孫優(yōu)賢;;基于免疫原理的差分進化[J];控制與決策;2007年11期

2 楊啟文;蔡亮;薛云燦;;差分進化算法綜述[J];模式識別與人工智能;2008年04期

3 許小健;黃小平;錢德玲;;自適應(yīng)加速差分進化算法[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年01期

4 寧桂英;周永權(quán);;基于優(yōu)進策略的新差分進化算法動力學(xué)模型參數(shù)的估計[J];計算機與應(yīng)用化學(xué);2008年05期

5 譚躍;譚冠政;涂立;;一種新的混沌差分進化算法[J];計算機工程;2009年11期

6 王培崇;錢旭;王月;虎曉紅;;差分進化計算研究綜述[J];計算機工程與應(yīng)用;2009年28期

7 肖術(shù)駿;朱學(xué)峰;;一種改進的快速高效的差分進化算法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2009年11期

8 周蕭;王萬良;徐新黎;;解決作業(yè)車間調(diào)度問題的混合差分進化算法[J];輕工機械;2010年05期

9 王艷宜;;改進差分進化算法及其應(yīng)用[J];機械設(shè)計與研究;2010年05期

10 張照生;羅健旭;;基于差分進化算法的模糊神經(jīng)網(wǎng)絡(luò)控制器[J];計算機與應(yīng)用化學(xué);2011年12期

相關(guān)會議論文 前10條

1 陸絲馨;肖健梅;王錫淮;;基于改進差分進化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國控制會議論文集[C];2010年

2 樓洋;李均利;陳剛;;基于個體排序的差分進化算法[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2010年

3 張倩;李海港;;多目標(biāo)問題的差分進化算法研究[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

4 裴振奎;劉真;趙艷麗;;差分進化算法在多目標(biāo)路徑規(guī)劃中的應(yīng)用[A];中國運籌學(xué)會模糊信息與模糊工程分會第五屆學(xué)術(shù)年會論文集[C];2010年

5 劉國帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進化算法在三峽電站廠內(nèi)經(jīng)濟運行中的應(yīng)用[A];中國水文科技新發(fā)展——2012中國水文學(xué)術(shù)討論會論文集[C];2012年

6 劉瀟;桂衛(wèi)華;王雅琳;王曉麗;陽春華;;一種改進的多目標(biāo)差分進化算法研究[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 趙娟;蔡濤;鄧方;楊紅偉;;基于改進差分進化算法的脈沖控制方法[A];中國自動化學(xué)會控制理論專業(yè)委員會B卷[C];2011年

8 袁沈堅;顧幸生;;基于差分進化的膜計算優(yōu)化算法[A];上海市化學(xué)化工學(xué)會2010年度學(xué)術(shù)年會論文集（自動化專題）[C];2010年

9 姜立強;郭錚;劉光斌;;差分進化算法縮放因子取值策略研究[A];2007'儀表，，自動化及先進集成技術(shù)大會論文集（二）[C];2007年

10 倪惠康;杜文莉;錢鋒;;基于改進差分進化算法的PID參數(shù)優(yōu)[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 孫浩;差分進化多目標(biāo)優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應(yīng)用[D];燕山大學(xué);2015年

2 陳盈果;面向任務(wù)的快速響應(yīng)空間衛(wèi)星部署優(yōu)化設(shè)計方法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 賈東立;改進的差分進化算法及其在通信信號處理中的應(yīng)用研究[D];上海大學(xué);2011年

4 劉榮輝;多階段自適應(yīng)差分進化算法及應(yīng)用研究[D];東華大學(xué);2012年

5 郭鵬;差分進化算法改進研究[D];天津大學(xué);2012年

6 王旭;改進差分進化算法及其在可逆邏輯綜合中的應(yīng)用[D];東華大學(xué);2013年

7 董明剛;基于差分進化的優(yōu)化算法及應(yīng)用研究[D];浙江大學(xué);2012年

8 王天意;大地電磁迭代有限元與改進差分進化正反演算法研究[D];中國地質(zhì)大學(xué)(北京);2015年

9 陳亮;改進自適應(yīng)差分進化算法及其應(yīng)用研究[D];東華大學(xué);2012年

10 徐斌;基于差分進化算法的多目標(biāo)優(yōu)化方法研究及其應(yīng)用[D];華東理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 高靜;量子差分進化算法在油田開發(fā)中的應(yīng)用研究[D];浙江大學(xué);2015年

2 萬婧;基于離散微粒群算法和混合差分進化算法的復(fù)雜生產(chǎn)調(diào)度問題求解[D];昆明理工大學(xué);2015年

3 張轉(zhuǎn);基于差分進化算法的混凝土德拜模型的研究[D];長安大學(xué);2015年

4 江華;差分進化算法的改進及其在K-means聚類算法中的應(yīng)用[D];華中師范大學(xué);2015年

5 周志剛;基于差分進化算法的信用風(fēng)險度量模型研究[D];華中師范大學(xué);2015年

6 寧桂英;差分進化算法及其應(yīng)用研究[D];廣西民族大學(xué);2008年

7 劉俊梅;混合差分進化算法及應(yīng)用研究[D];北方民族大學(xué);2010年

8 王洪波;基于差分進化計算的聚類算法研究[D];山東師范大學(xué);2012年

9 呼忠權(quán);差分進化算法的優(yōu)化及其應(yīng)用研究[D];燕山大學(xué);2013年

10 王久杰;改進的混沌差分進化算法及其應(yīng)用[D];長安大學(xué);2014年

本文編號：1749665