适应性引导的花朵授粉算法

摘要

针对传统花朵授粉算法在求解一些复杂优化问题时存在着开采能力不足的缺点，提出了一种适应性引导的花朵授粉算法(AGFPA)。所提算法设计了环优策略和向优策略相结合的适应性引导机制，适应性地控制最优个体对种群演化的引导作用，既增强算法的开采能力，又尽可能维持种群的多样性。适应性引导机制中的环优策略在最优个体的周围执行导向开采，使得种群集中搜索最优个体的邻域；而向优策略利用最优个体的引导进行定向搜索，使得搜索有向地覆盖较广的未知区域。此外，设计了适应性参数控制策略，根据不同演化阶段的需求，调整全局授粉转换概率和最优引导的步长因子，从而维持开采能力和勘探能力的平衡。为检验所提算法的性能，在群智能研究领域中常用的18个基准测试函数上进行了策略有效性分析，并将AGFPA分别与几种改进的FPA和PSO算法进行比较；同时，应用AGFPA估计发酵动力学参数。实验结果表明，在求解大多数单峰、多峰和复杂函数时，AGFPA均具有较为优秀的寻优能力；在发酵动力学参数估计应用中，AGFPA也具有一定的优势。

关键词

花朵授粉算法 / 适应性引导机制 / 环优策略 / 向优策略 / 适应性参数控制策略 / 发酵动力学参数