自适应骨干花授粉算法

摘要

为了进一步改善花授粉算法的优化性能和灵活性,论文构建了一种自适应骨干花授粉算法,在FPA算法的局部优化部分引入骨干思想,通过自适应搜索中心的高斯变异进行位置更新,在此基础上利用指数变异进一步对位置进行优化;另外,增加信息共享的个体数量,以提高个体间的信息共享的高效性。改进算法增加了种群多样性和扩大搜索范围,提高算法跳出陷入局部极值点的概率,增强算法在多维空间中的勘探能力,提高了算法收敛速度和收敛精度。通过对四类典型测试函数的优化结果实验和采用非参数统计检验分析对比,证明了该算法的稳定性和有效性;并与知名的改进算法进行比较分析,结果显示论文算法的优化能力与对比算法相比优势较显著。