大规模优化问题的改进花朵授粉算法

• 作者: 刘景森 李煜 郑娟
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 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
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 1427-1440
• 页数: 14页
• 分类号: TP301.6
• 字数: 8239字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1909043

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘景森	河南大学智能网络系统研究所	31	149	5.0	11.0
2	李煜	河南大学管理科学与工程研究所	23	250	7.0	15.0
3	郑娟	河南大学商学院	3	6	1.0	2.0