计算机科学与探索

作者：李煜，郑娟，刘景森

单位：1. 河南大学 管理科学与工程研究所，河南 开封 4750042. 河南大学 商学院，河南 开封 4750043. 河南大学 智能网络系统研究所，河南 开封 475004

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

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、1 000和5 000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。

来源：2020年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第8期