花朵授粉算法的优化

摘要：

针对花朵授粉算法(FPA)寻优过程中局部深度搜索能力弱、易陷入局部最优、后期收敛速度慢的问题,提出一种基于自适应高斯变异的混合蛙跳花朵授粉算法(AGM-SFLFPA).借鉴混合蛙跳算法(SFLA)思想,对种群个体按照适应度值进行排序、分组并更新各分组中最差个体的位置,增强算法的局部深度搜索能力并增加种群多样性;通过公示牌动态监测算法是否陷入局部最优,当陷入时,将自动对全局最优个体执行高斯变异操作,提高个体跳出局部最优的能力、增强种群多样性、加快收敛速度.通过6个典型的标准测试函数从4个方面验证该算法的有效性,验证结果表明,AGM-SFLFPA具有更好的稳定性和可靠性、更快的收敛速度及更高的寻优精度,适用于高维复杂多极值函数求解问题.

关键词：花朵授粉、高斯变异、混合蛙跳、局部深度搜索、局部最优

所属期刊栏目：38

分类号：TP312(计算技术、计算机技术)

资助基金：国家自然科学基金项目61173130

在线出版日期：2017-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1503-1509