Page 179 - 《软件学报》2021年第10期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
Journal of Software,2021,32(10):31513175 [doi: 10.13328/j.cnki.jos.006030] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563


基于多策略的改进花授粉算法 

1,2
肖辉辉 , 万常选 1
1
(江西财经大学 信息管理学院,江西 南昌 330013)
2
(河池学院 大数据与计算机学院,广西 河池 546300)
通讯作者: 万常选, E-mail: wanchangxuan@263.net

摘 要: 花授粉算法是近年来提出的一种新型的、简单高效的优化算法,已在各个领域得到广泛应用,但其搜索策
略存在的不足,制约着其应用范围.为此,提出一种改进的基于多策略的花授粉算法.首先,新全局搜索策略通过利用
两组随机个体差异矢量和莱维飞行机制来增加种群多样性并扩大搜索范围,使算法更易跳出局部最优,提升其开采
能力;其次,在局部搜索部分引入精英变异策略,并与随机个体变异机制组合成一种新的局部授粉策略,利用精英个
体对其他个体的演化方向进行引导,提高算法的搜索速度;通过随机个体变异策略来保持种群的多样性,增强算法的
持续优化能力;同时,通过一种线性递减概率规则调节这两种变异策略,使其取长补短,以提高算法的优化能力;最后,
对进化中没有得到改善的解,利用余弦函数搜索因子策略产生一个新解加以替换,从而提高算法解的质量.通过 5 类
经典测试函数的仿真实验和采用统计学上的分析,证明了该算法的稳定性和有效性;与现有经典的和知名的改进算
法进行了对比,实验结果表明,所提出的改进算法是一种富有竞争力的新算法.同时,利用改进算法对军事领域中的
无人作战飞行器航线规划问题进行求解,测试结果表明,改进算法在解决实际工程问题时,同样具有一定的优势.
关键词: 花授粉算法;动态调整策略;余弦函数搜索因子;搜索方程;种群多样性
中图法分类号: TP18

中文引用格式: 肖辉辉,万常选.基于多策略的改进花授粉算法.软件学报,2021,32(10):31513175. http://www.jos.org.cn/1000-
9825/6030.htm
英文引用格式: Xiao HH, Wan CX. Improved flower pollination algorithm based on multi-strategy. Ruan Jian Xue Bao/ Journal
of Software, 2021,32(10):31513175 (in Chinese). http://www.jos.org.cn/1000-9825/6030.htm
Improved Flower Pollination Algorithm Based on Multi-strategy

1,2
XIAO Hui-Hui , WAN Chang-Xuan 1
1
(School of Information Technology, Jiangxi University of Finance and Economics, Nanchang 330013, China)
2
(School of Big Data and Computer Science, Hechi University, Hechi 546300, China)
Abstract: The flower pollination algorithm (FPA) is a novel, easy and efficient optimization algorithm proposed in recent years. It has
been widely used in various fields, but its search strategy has some defects, which become an impediment to its application. Therefore,
this paper introduces an improved flower pollination algorithm based on multi-strategy. First, the new global search strategy was adopted
through two groups of random individual difference vectors and Lévy flight to increase the diversity of population and expand the search
range, making the algorithm easier to escape the local optimum and improve its exploitation ability. Second, the elite mutation strategy
was used in the local search, and a new local pollination strategy was developed by combing it with the random individual mutation
mechanism. The elite individuals were used to guide the evolution direction of other individuals and improve the search speed of the

 基金项目: 国家自然科学基金(61972184, 61562032); 江西省自然科学基金(20152ACB20003); 河池学院高层次人才科研启动
项目(2019GCC012)
Foundation item: National Natural Science Foundation of China (61972184, 61562032); Natural Science Foundation of Jiangxi
Province (20152ACB20003); High-level Talent Research Start-up Project of Hechi University (2019GCC012)
收稿时间: 2019-04-16; 修改时间: 2019-08-22, 2019-12-19; 采用时间: 2020-01-31