融合高斯变异和Powell法的花朵授粉优化算法

摘要：

花朵授粉算法(flower pollination algorithm,FPA)是最近提出的一种新型群智能优化算法,由于其较好地解决了全局搜索和局部搜索的平衡性问题,且具有参数少,易实现等特点,已得到广泛应用和研究,但现有研究对其参数的研究较少,同时该算法也存在演化后期收敛速度慢且易陷入局部极小等缺陷,使其应用范围受到制约.为了提升FPA算法的整体性能,对其控制步长的缩放因子的取值进行了修正;提出了把高斯变异和Powell法融入到花朵授粉算法中的混合算法GMPFPA(flower pollination algorithm combination with Gauss mutation and Powell search method).改进算法首先利用高斯变异对全局搜索进行扰动,增强种群的多样性,提高全局探测能力,然后引入局部寻优能力强大的Powell法提升其局部开发能力.通过12个高维经典测试函数对比实验,验证了改进算法的有效性和优越性.

关键词：高斯变异、花朵授粉算法(FPA)、Powell法、最优值、寻优能力

所属期刊栏目：11

分类号：TP301.6(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. F020204;the Natural Science Foundation of Guangxi under Grant No. 2013GXNSFBA019022;the University Science Foundation of Guangxi under Grant Nos. KY2015LX332, KY2015LX334;the Graduate Innovation Project of Jiangxi Province under Grant No. YC2015-B054;the Project of Key Laboratory for Computer Network and New Technology of Software of Hechi University under Grant No. 2013-03;the Education Reform Project of Hechi University under Grant No. 2014EB022;the Science Foundation of Hechi University under Grant No. XJ2015QN003

在线出版日期：2017-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：478-490