摘要：针对高维度变量的优化问题,本文设计了一种基于非线性跨代差分进化的花授粉优化算法.该算法利用跨代差分进化引导个体逼近最优解,使算法的局部搜索过程具备导向性,并设置非线性惯性权重提升算法的搜索收敛速度.同时,通过参数自适应调整实现缩放因子和交叉概率的动态更新,从而提高种群丰富度、减少局部解的数量,再结合跨代赌轮盘方式以降低陷入局部最优解的概率.仿真验证表明,该算法能够在不同维度测试函数下保持较好的寻优特性和稳定性,尤其在高维度测试函数下的寻优性能更好.同时,本文以工业互联网中的无人机智能巡检的路径规划为例,评估了算法在实际应用中的性能.实验结果表明该算法可以满足巡检路径规划的低成本、高效率和规避外部攻击的需求.

摘要：针对花授粉算法在处理高维优化问题时,收敛精度较低,易陷入局部极值的缺陷,提出了一种花授粉算法的改进算法。在异花授粉阶段,改进算法使用正弦余弦算子对花粉个体进行逐维扰动,以增强花粉个体的多样性;在自花授粉阶段,基于自然界优胜劣汰的生存法则思想,提出了一种新的自花授粉策略。与7种算法对比,在9个基准函数上进行性能对比实验,结果表明:改进算法在收敛精度和收敛速度上较对比算法有显著优势;在函数维度达到5000维时,改进算法没有陷入“维数灾难”,收敛的精度较高。在悬臂梁设计和压力容器设计2个工程实例上进行应用实验,验证了改进算法的性能和实用性。

摘要：虽然花授粉算法对于求解优化问题十分有效,但也存在收敛性慢的问题。为了解决此问题,提出一种带有时变因子的差分进化花授粉算法(Differential Evolution Flower Pollination Algorithm with Time Variant Factor,TVDFPA)。对步长因子进行改进,同时在迭代过程中加入差分进化的策略,通过种群杂交,提高算法的收敛速度和寻优能力。通过标准测试函数进行测试,仿真结果表明TVDFPA的收敛速度比原始花授粉算法、混沌和声的花授粉(HFPCHS)、模拟退火花授粉算法(SFPA)快,收敛精度也有较大提高。进而结合花授粉算法的特点,建立带有变参数的双适应值比较法来求解压力容器设计问题,实验结果表明改进之后的算法具有较好的求解性能。

摘要：作为一种新型元启发式群智能优化算法,花授粉算法具有结构简单、鲁棒性强、控制参数少,全局寻优性能好和执行效率高等特点,其具有的特性和优势,吸引了国内外众多学者对其展开研究。简单阐述了花授粉算法的设计思路,并分析了现有的对算法初始解质量、种群多样性以及搜索能力的改进以及算法在各个领域如分类、定位、路径规划、经济调控等方面的应用。分析了花授粉算法未来的可以进一步研究的方向与内容。

摘要：为改善花授粉算法后期收敛缓慢和容易陷入局部最优的缺点,提出一种基于监测邻域改进花授粉算法的方法。引入监测邻域,对邻域中粒子,利用适应度指数定标来确定不同的选中概率,选择部分花粉粒子进行变异,提高粒子种群的多样性和算法的效率。仿真实验中,选择两个典型函数对改进算法进行检验,验证了该算法改进的合理有效,运用改进花授粉算法、基本花授粉、Z-N法及云自适应粒子群算法进行PID控制器参数整定比较,仿真结果表明,改进花授粉算法寻优能力优于其它算法。

摘要：为了提高花授粉算法的寻优精度和性能稳定性,提出了融入改进策略的精英协作引导花授粉算法。分析了花授粉算法的工作原理及缺陷,给出了对立点初始化方法提高初始种群质,使用精英协作引导全局搜索策略提高算法搜索效率和质量,建立动态转换概率模型用于平衡全局搜索与局部搜索,综合以上改进措施提出了精英协作引导花授粉算法。使用单模态标准函数和多模态标准函数对算法性能进行测试,每一项改进措施都能够提高算法的搜索精度和寻优稳定性,且改进措施之间不存在抵消性耦合。将精英协作引导花授粉算法应用于机器人路径规划,与花授粉算法相比,路径平均长度减少了4.01%,标准差减少了一个数量级以上,表明改进算法在路径规划质量和稳定性方面均优于传统花授粉算法。

摘要：针对花授粉算法(FPA)存在的易陷入局部最优、求解精度不高等问题,提出具有记忆信息的花授粉算法(MFPA),分别针对全局授粉过程和局部授粉过程设计时滞调整算子和自适应权重.采用多组标准函数测试算法的性能,结果表明,与FPA和基于复合形法的花授粉算法(CFPA)相比,MFPA收敛性更好、寻优性能更强.

摘要：花授粉算法是由Yang提出的一种新型元启发式优化算法,存在易陷入局部最优、求解精度不高等缺陷,为了进一步改善其寻优性能,提出了一种混合变异的花授粉算法(HMFPA),分别针对全局授粉和局部授粉2个过程设计了混沌随机扰动和交流算子,有效地平衡了算法的局部搜索和全局开发,并用多个标准测试函数验证算法的有效性,实验结果表明,本文提出的改进算法的各个寻优指标均优于基本花授粉算法和差分进化策略的花授粉算法。

摘要：优化定位布局是减小薄壁件装夹变形的重要手段,现有研究大多以节点法向变形最小为优化目标而忽略其他方向上的变形,为此提出了一种新的基于花授粉算法的夹具布局优化方法。针对曲面薄壁件,在建立法向约束定位模型的基础上,通过应变能来描述所有方向上的变形,以薄壁件的整体应变能最小为目标,结合花授粉算法和基于Python语言的参数化有限元分析,实现薄壁件的定位布局寻优。最后以飞机蒙皮定位布局优化为例验证方法的有效性,并通过与遗传算法的对比表明,花授粉算法在优化薄壁件的定位布局时具有更优的性能。

摘要：针对基本花授粉算法存在的易陷入局部最优、求解精度不高等问题,提出一种带杂交算子的自适应混合花授粉算法,分别针对异花授粉过程和自花授粉过程设计自适应权重改进和引入杂交算子。并用六个标准函数测试算法的性能,结果表明MFPA寻优性能优于基本花授粉算法和基于模拟退火的花授粉算法。