大规模优化问题的改进花朵授粉算法

TP301.6; 花朵授粉算法(FPA)寻优结构新颖,寻优能力良好,但求解高维优化问题易陷入"维数灾难".为提高FPA求解大规模优化问题的性能,提出一种改进花朵授粉算法(IFPA).采用反向学习策略增加种群多样性,充分搜索解空间,提高初始种群质量;在自花授粉阶段,发挥当代最优位置的牵引作用,减少算法迭代代价,提高搜索效率,提出避免维间干扰的方法,采用逐维随机扰动策略对花粉个体进行更新,整体评价后接受更优解,提高了算法局部迭代质量.IFPA仅需3～5个种群个体即可达到满意的优化效果,15个测试函数在100、1000和5000维下的仿真结果表明:IFPA的求解精度大幅提高,收敛...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 14; no. 8; pp. 1427 - 1440
Main Authors 李煜, 郑娟, 刘景森
Format Journal Article
LanguageChinese
Published 河南大学 管理科学与工程研究所,河南 开封 475004%河南大学 商学院,河南 开封 475004%河南大学 智能网络系统研究所,河南 开封 475004 01.08.2020
Subjects
反向学习
逐维随机扰动
花朵授粉算法
维间干扰
大规模优化
Online AccessGet full text

Cover

More Information
Summary:TP301.6; 花朵授粉算法(FPA)寻优结构新颖,寻优能力良好,但求解高维优化问题易陷入"维数灾难".为提高FPA求解大规模优化问题的性能,提出一种改进花朵授粉算法(IFPA).采用反向学习策略增加种群多样性,充分搜索解空间,提高初始种群质量;在自花授粉阶段,发挥当代最优位置的牵引作用,减少算法迭代代价,提高搜索效率,提出避免维间干扰的方法,采用逐维随机扰动策略对花粉个体进行更新,整体评价后接受更优解,提高了算法局部迭代质量.IFPA仅需3～5个种群个体即可达到满意的优化效果,15个测试函数在100、1000和5000维下的仿真结果表明:IFPA的求解精度大幅提高,收敛速度明显加快,鲁棒性强,与FPA、PSO和BA的对比表明,改进算法在处理不同类型大规模优化问题上是具有竞争力的.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1909043