基于引力搜索机制的花朵授粉算法

被引：66

作者：

肖辉辉 ^{[1
,2
]}

万常选 ^{[1
]}

段艳明 ^{[2
]}

谭黔林 ^{[2
]}

机构：

[1] 江西财经大学信息管理学院

[2] 河池学院计算机与信息工程学院

来源：

自动化学报 | 2017年 / 43卷 / 04期

关键词：

花朵授粉算法; 寻优性能; 万有引力; 适应度值;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对花朵授粉算法(Flower pollination algorithm,FPA)易陷入局部极值、后期收敛速度慢的不足,提出一种基于引力搜索机制的花朵授粉算法.该算法在基本花朵授粉算法的全局寻优部分,采用花朵个体间的万有引力和算法本身的莱维飞行共同实现个体位置的更新,使花朵受莱维飞行和个体间引力的双重影响,个体在通过优化信息的共享向质量大(最优位置)的个体靠近,且个体间的万有引力牵制莱维飞行的随机游走.同时又利用莱维飞行的跳跃及不均匀性步长避免个体陷入局部极值,从而提高算法的寻优能力.通过对高维单峰函数、高维多峰函数、低维函数及多峰复杂函数的优化实验结果表明,改进算法的寻优性能显著优于基本的花朵授粉算法,其收敛速度、收敛精度、鲁棒性均较对比算法有较大提升.最后,利用改进算法对弹簧张力设计问题、压力管设计问题2个工程实例进行测试,获得了较好的结果.仿真实验结果佐证了改进算法的有效性和可行性.

引用

页码：576 / 594

页数：19

共 19 条

[1]

基于反馈的精英教学优化算法 [J].

于坤杰 ;

王昕 ;

王振雷 .

自动化学报, 2014, 40 (09) :1976-1983

[2]

带可变随机函数和变异算子的粒子群优化算法(英文).[J].周晓君;阳春华;桂卫华;董天雪;.自动化学报.2014, 07

[3]

采用双模飞行的粒子群优化算法 [J].

李景洋 ;

王勇 ;

李春雷 .

模式识别与人工智能, 2014, 27 (06) :533-539

[4]

嵌入共轭梯度法的混合粒子群优化算法 [J].

梁昔明 ;

李德生 .

小型微型计算机系统, 2014, 35 (04) :835-839

[5]

基于DE算法改进的蝙蝠算法的研究及应用 [J].

肖辉辉 ;

段艳明 .

计算机仿真, 2014, 31 (01) :272-277+301

[6]

一种基于蜂王交配的求解复杂问题的演化算法 [J].

李康顺 ;

潘伟丰 ;

汤铭端 ;

王峰 .

系统仿真学报, 2008, (07) :1707-1712+1757

[7]

Flower Pollination Algorithm with Bee Pollinator for cluster analysis [J].

Wang, Rui ;

Zhou, Yongquan ;

Qiao, Shilei ;

Huang, Kang .

INFORMATION PROCESSING LETTERS, 2016, 116 (01) :1-14

[8]

Hybrid flower pollination algorithm with time-varying fuzzy selection mechanism for wind integrated multi-objective dynamic economic dispatch.[J].Hari Mohan Dubey;Manjaree Pandit;B.K. Panigrahi.Renewable Energy.2015,

[9]

On the performances of the flower pollination algorithm – Qualitative and quantitative analyses.[J].Amer Draa.Applied Soft Computing.2015,

[10]

Flower Pollination Algorithm with Dimension by Dimension Improvement [J].

Wang, Rui ;

Zhou, Yongquan .

MATHEMATICAL PROBLEMS IN ENGINEERING, 2014, 2014

← 1 2 →