洪 露,贺兴时，杨新社

(1.西安工程大学 理学院，陕西 西安 710048；2.密德萨斯大学 科学与技术学院,英国 伦敦 NW4 4BT)

0 引 言

为解决复杂的优化问题以及更为合理和满意的近似解，科研工作者们设计了大量的群智能算法，并在过去的几十年中得到迅速发展，成为当前最活跃的算法研究领域之一。群智能算法主要有布谷鸟算法[1](cuckoo search,CS)、蝙蝠算法[2](bat algorithm,BA)、萤火虫算法[3](firefly algorithm,FA)、蚁群算法[4](ant algorithm,AA)等。为了使算法在解决复杂优化问题时更加高效,诸多学者也提出相应的改进策略[5-7]。

花授粉算法(flower pollination algorithm,FPA)最早由剑桥大学学者杨新社提出。这种算法具有参数少、结构简单、稳定性和执行效率高等特点,目前已经应用到了诸多领域；但该算法也存在收敛速度慢、易陷入局部最优、收敛精度低等缺陷,所以诸多学者也对FPA算法进行了改进[8-11]。文献[12]提出了将克隆技术和花授粉算法融合在一起的混合二进制算法。但是，该算法也存在一定缺陷，如算法中涉及参数缺少一定的理论基础、执行到后期时算法收敛速度明显变慢、算法在执行过程中容易陷入局部最优、整体收敛性的相关理论证明不够充分等不足。针对该算法的这些缺陷，很多学者提出了改进和应用方案。YANG等提出在基本花授粉算法中存在的鹰策略(eagle strategy,ES)，是提升算法优越性的根本原因，完善了算法理论[13]；EL-HENAWY等将混沌理论思想引入基本花授粉算法中，使得花粉配子离散化，提出的基于混沌思想花授粉算法应用，解决了大整数规划问题[14]；肖辉辉等则成功将模拟退火原理思想与花授粉算法相融合，在解决函数优化问题中具有一定优势[15]；……