基于进化控制与非均匀变异的花授粉算法研究

摘要

针对花授粉算法(FPA)优化高维复杂性问题时存在的收敛精度低且收敛速度慢的缺陷,提出一种基于进化控制与非均匀变异的花授粉算法(ENFPA).该算法引入以余弦函数为控制因子随机调节当前位置与最优位置进化比例,改善算法前期花粉过于聚拢于最优个体而导致进化方向不佳的可能.为一定程度抑制算法进化后期种群多样性降低而出现的优化解聚拢现象,引入非均匀变异策略对当前位置进行改变以拓展新的进化方向.经过仿真数值实验表明,改进算法在函数优化问题上具有更好性能.将改进的算法应用于神经网络优化模型的实验表明,可以一定程度降低神经网络预测的误差.