应用小生境混沌搜索策略的花朵授粉算法

针对花朵授粉算法（FPA,flower pollination algorithm）存在的全局收敛能力不足、寻优精度低、易早熟等局限,提出一种应用小生境混沌搜索策略的花朵授粉算法（NCFPA,flower pollination algorithm with niche chaotic search strategy）。为增加算法搜索的广度,使用小生境技术保持种群的多样性,提升了算法的全局优化能力;引入逻辑自映射函数产生的混沌序列对精英个体进行局部优化,增强算法的搜索精度;通过经典测试函数对算法性能进行测试。测试结果表明,与花朵授粉算法、差分进化（DE,differential evolution）和蝙蝠算法（BA,bat algorithm）相比,NCFPA表现出较优的全局寻优能力和搜索精度。     

改进的花朵授粉算法在微网优化调度中的应用

研究了用于解决微网优化调度问题的群智能算法.针对微网优化调度问题的多目标、多约束条件等特点,对微网优化调度问题建模;提出了改进的花朵授粉算法,并将其应用到微网优化调度问题.在初始化时,采用对立点方法增加种群多样性和优化搜索空间;局部更新时,使用一种新的局部更新算子提高算法收敛速度;此外,为了减少计算量和避免陷入局部最优,定义了是否使用遗传操作的判断条件.仿真结果表明,该算法性能优于原始花朵授粉算法和遗传算法等其他算法.     

融合动态收敛因子与黄金正弦的花朵授粉算法

为了解决传统花朵授粉算法收敛精度较低、易收敛到局部最优等问题,提出了融合动态收敛因子与黄金正弦的花朵授粉算法(DGSFPA).在异花授粉中引入动态收敛因子,来提高算法收敛精度.在自花授粉中进行黄金正弦优化,以增强跳出局部最优的能力.通过与其他3种算法在测试函数上的比较,验证了改进算法具有更高的收敛精度和更快的收敛速度.将DGSFPA应用于求解压力容器设计优化问题中,研究结果表明:改进算法所得4个设计变量值均比其他3种算法所得值小,且其总成本比花朵授粉算法减少5270.82元,比人工蜂群算法减少876.72元,证明了DGSFPA的有效性和可行性.     

一种基于花朵授粉算法的视觉跟踪方法

提出了一种基于花朵授粉算法的视觉跟踪方法,将图像中的每个候选目标状态看作花粉配子,利用花朵授粉算法对每个花粉配子迭代优化,最终通过最优花粉配子状态定位目标。首先给出了基于花朵授粉算法的视频目标跟踪方法描述,在此基础上研究了花朵授粉算法的迭代终止条件和参数的敏感度;并确定了参数。最后将算法与粒子滤波、均值漂移和粒子群优化三种跟踪算法进行对比。对比实验表明,方法计算量小、抗干扰能力强,跟踪效果优于上述三种算法。     

基于花朵授粉算法的组合式风速预测

针对风速的波动性导致风电功率不稳定,严重影响电力系统的安全、稳定运行等问题,提出一种基于风速数据分解的组合式模型,该模型首先利用集合经验模态分解法将风速序列分解为频率不同的若干个分量,降低了风速序列的非平稳性。然后利用花朵授粉算法优化BP(back propagation)神经网络构建预测模型,预测各个分量的变化趋势。最后将各个分量的预测值进行叠加组合得出最终的风速预测值。仿真结果表明,所提出的组合式模型平均绝对误差控制在0.2 m·s~(-1)以内,在风速预测方面有较高的预测精度,具有广阔的实际应用前景。     

差分进化花朵授粉算法的WSN节点部署策略

针对无线传感器网络（wireless sensor network,WSN）的节点部署问题,提出了一种基于差分进化算法（differential evolution algorithm,DEA）优化的花朵授粉算法（flower pollination algorithm,FPA）：DE-FPA。设计了动态转换概率,自适应平衡全局授粉和局部授粉间的相互转换,提高算法全局搜索能力。优化了全局授粉过程中的步长缩放因子,进一步提高算法收敛速度。为避免算法陷入局部极值,在每次全局授粉或者局部授粉迭代后引入差分进化策略,增加种群多样性,提高了算法搜索能力。实验结果表明,DE FPA收敛速度快、寻优精度高,能够在网络连通的约束条件下,达到较高的网络覆盖率。     

花朵授粉算法及其在断路器优化设计中的应用

为了解决花朵授粉算法(flower pollination algorithm,FPA)在寻优过程中容易陷入局部最优解、后期收敛速度慢等问题,提出一种结合鲶鱼效应和均匀变异算子的改进FPA算法.首先,引入鲶鱼效应可以来避免算法陷入局部最优解;其次,加入均匀变异算子使其后期收敛速度加快,并通过经典测试函数验证改进的FPA...     

模拟退火算法及其改进

介绍了模拟退火算法的背景、原理和具体实现方法，分析了它的不足之处，讨论了它的改进措施，并进行了仿真实验验证。     

改进的蚂蚁算法求解任务分配问题

将蚂蚁算法用于求解任务分配问题，并提出一种改进算法来提高其全局搜索能力。文中介绍了任务分配问题和蚂蚁算法，给出了求解任务分配问题的蚂蚁算法的数学描述及求解的算法步骤，在此基础上提出求解任务分配问题的改进蚂蚁算法。两个实例验证了改进蚂蚁算法的优越性。     

基于改进花朵授粉算法的智能系统

智能系统试图模拟人类专家来解决复杂的现实问题。问题的领域从工程、工业到医学、教育都各不相同。在大多数情况下,系统需要根据多个输入进行决策;但是搜索空间通常很大,因此很难使用传统的算法进行决策。元启发式算法可以用作寻找最优解的一种工具。因此,改进元启发式技术和现有算法是必要的。介绍了一种改进的花朵授粉算法(FPA)。将标准的FPA与克隆选择算法(CSA)结合,应用到23个优化基准函数上;并对其进行测试。将改进算法与五种著名的优化算法(模拟退火、遗传算法、花授粉算法、蝙蝠算法和萤火虫算法)进行比较。实验结果表明,相比标准FPA和其他四种方法,改进花朵授粉算法能够找到更精确的解。     

基于区间算法的航天器再入轨迹优化

区间算法是近年来出现的一种新的全局优化算法,本文将其引入到再入轨迹优化中来。首先建立了航天器再入区间模型,选取总加热量最小为性能指标,控制量则选为功角和滚转角;然后讨论了区间算法在再入轨迹优化中的可行性以及优势;其次根据该算法的特点,构建了待优控制量功角、滚转角的区间解析表达式,以及给出了约束条件的处理方法;最后分析并解决了该算法在再入轨迹优化中应用的其余关键问题。仿真结果表明,该算法能够保证在再入轨迹优化中找到全局最优解,相比于其他优化算法具有某些优势。     

一个关于Lipschitz函数的全局优化算法

研究了关于Lipschitz函数的全局优化算法,把辐射状细分的剖分技术和二分法运用到单纯形算法中,充分利用当前计算所得到的最优信息,结合分支定界单纯形的优势,改进了单纯形算法,分析了算法的可行性,并给出了算法的收敛性证明。     

求解TSP问题的改进蚁群算法

通过引入免疫克隆算子提出1种新的蚁群算法,并应用于TSP问题求解。结果表明：算法具有较好性能。     

特征选择中的一类遗传序优化算法

针对模式识别中特征子集的选择存在组合优化的情况,采用了一类遗传序优化算法,以序优化思想为指导,对传统遗传算法中的参数及操作进行改进.利用有限的计算资源寻求复杂特征选择问题的近似最优解,从而有效地降低了特征维数,加快搜索到最优特征子集的速度,为特征选择问题提供了一种新的处理方法.通过Matlab仿真,对美国加州电力市场的实际数据进行预测.结果表明,月平均误差不超过2.62％,因此该算法在电力负荷预测方面有很强的实用性.     

无约束全局优化的一个新凸填充函数

对连续的非线性全局最优化问题，给出了一个新的凸填充函数，该函数带有两个容易调节的参数，它克服了原有的凸填充函数在计算上的不足之处；在讨论了所给出的凸填充函数性质的基础上，提出了一种求解连续无约束全局极小化问题的一种新的凸填充函数算法。     

一种以改变目标为策略的改进型三层通道布线算法

本文提出了一种改进型的三层通道布线算法——以改变目标为策略的三层通道布线算法.根据不同的布线问题,分别采用不同的布线方法,即首先从分析布线问题的最大垂直限制链长和最大通道密度出发,当以完成布线所需的通道数为最小作为目标时,采用HVH的三层通道布线算法;当以缩短最大垂直限制链长为目标时,采用HVH_m的布线算法.因此,它综合了曲干布线和直干布线两方面的优点,即不仅充分利用了通道区的空间,而且又一定程度地限制了导通孔数的增加.本算法已用FORTRAN语言编程实现,对引文中已发表的若干布线实例,都获得了较满意的结果.     

一种改进的遗传算法及其应用

针对标准遗传算法的不收敛性，提出了几种改进措施：提出了共同特征位的概念，给出消除群体中的共同特征位的方法；交叉和变异概率可变；实施最优保留。实验表明，改进算法具有全局优化能力。