陶志勇, 崔新新

(辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛 125100)

0 引 言

花朵授粉优化算法[1](flower pollination algorithm,FPA)是由Yang X S等人在2012年提出的一种模拟自然界中花粉授粉过程的群优化算法,由于该算法不需要知道待优化函数的具体形式、易实现、参数少、易调节等特点,引起了很多学者的研究兴趣,并广泛应用于自然科学研究领域。然而该算法和粒子群算法[2]、蚁群算法[3]、遗传算法[4]等类似,都存在早熟收敛,容易陷入局部最优,收敛精度低,迭代次数多等问题。文献[5]提出一种基于引力搜索机制的花朵授粉算法,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万有引力的双重影响；文献[6]通过定义种群多样性及差异性指标,定性分析了花朵授粉算法在多模函数优化中的寻优缺点,利用Nelder-Mead单纯形搜索技术对花朵局部授粉进行重构,提出一种新的花朵授粉寻优架构；Wang R等人[7]提出了一种逐维度计算的FPA算法,通过逐维度更新算子,保留各算子各维度的最优信息；王玉鑫等人[8]将差分进化和变异策略与花朵授粉算法结合,提高种群多样性,从而提高算法的寻优能力。肖辉辉等人[9]将模拟退火算法与花朵授粉算法相结合,提高了算法的全局寻优和跳出局部最优的能力。

以上文献在一定程度上提高了FPA算法的寻优能力,但大多是通过与其他智能算法进行混合的方式以提升FPA算法的性能[10～13],但这样增加了算法的复杂性,破坏了FPA算法简单易实现的特点。……