大规模优化问题的改进花朵授粉算法

摘要：

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.

关键词：花朵授粉算法、反向学习、逐维随机扰动、维间干扰、大规模优化

所属期刊栏目：14

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. 71601071 国家自然科学基金;the Youth Foundation of Humanities and Social Sciences of Ministry of Education under Grant No. 15YJC630079 教育部人文社科青年基金;the Key Research Project of Science and Technology of Henan Province under Grant No. 182102310886 河南省科技攻关重点项目

在线出版日期：2020-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1427-1440