大规模优化问题的改进花朵授粉算法

• 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
• Language: Chinese
• 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

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...