文献类型：期刊文章

作　　者：肖辉辉[1,2] 万常选[1] 段艳明[2] 喻聪[1]

XIAO Huihui;WAN Changxuan;DUAN Yanming;YU Cong(School of Information and Technology, Jiangxi University of Finance and Economics, Nanchang 330013,China;College of Computer and Information Engineering, Hechi University, Yizhou, Guangxi 546300,China)

机构地区：[1]江西财经大学信息管理学院,南昌330013 [2]河池学院计算机与信息工程学院,广西宜州546300

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金No.F020204;广西自然科学基金No.2013GXNSFBA019022;广西高校科学技术研究项目Nos.KY2015LX332;KY2015LX334;江西省研究生创新项目No.YC2015-B054;河池学院计算机网络与软件新技术重点实验室资助项目No.2013-03;河池学院教改项目No.2014EB022;河池学院基金项目No.XJ2015QN003~~

年　　份：2017

卷　　号：11

期　　号：3

起止页码：478-490

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、IC、ZGKJHX、核心刊

摘　　要：花朵授粉算法(flower pollination algorithm,FPA)是最近提出的一种新型群智能优化算法,由于其较好地解决了全局搜索和局部搜索的平衡性问题,且具有参数少,易实现等特点,已得到广泛应用和研究,但现有研究对其参数的研究较少,同时该算法也存在演化后期收敛速度慢且易陷入局部极小等缺陷,使其应用范围受到制约。为了提升FPA算法的整体性能,对其控制步长的缩放因子的取值进行了修正;提出了把高斯变异和Powell法融入到花朵授粉算法中的混合算法GMPFPA(flower pollination algorithm combination with Gauss mutation and Powell search method)。改进算法首先利用高斯变异对全局搜索进行扰动,增强种群的多样性,提高全局探测能力,然后引入局部寻优能力强大的Powell法提升其局部开发能力。通过12个高维经典测试函数对比实验,验证了改进算法的有效性和优越性。

关 键 词：高斯变异 花朵授粉算法(FPA)  Powell法  最优值 寻优能力  

分 类 号：TP301.6]