花朵授粉算法【记录】

最近在做寻优算法，到了花朵授粉算法时，发现网上可用的资料不多，大部分为期刊论文，通过阅读一些期刊论文稍微了解了一点，遂做一个记录。

花朵授粉算法（ Flower Pollination Algorithm，FPA）是由英国剑桥大学学者Yang于2012年提出的，其基本思想来源于对自然界花朵自花授粉、异花授粉的模拟，是一种新的元启发式群智能随机优化技术 。算法中为了简便计算，假设每个植物仅有一朵花，每朵花只有一个配子，我们可以认为每一个配子都是解空间中的一个候选解。

Yang通过对花朵授粉的研究，抽象出以下四大规则：

1） 生物异花授粉被考虑为算法的全局探测行为，并由传粉者通过Levy飞行的机制实现全局授粉；

2）非生物自花授粉被视作算法的局部开采行为，或称局部授粉；

3）花朵的常性可以被认为是繁衍概率，他与两朵参与授粉花朵的相似性成正比例关系；

4）花朵的全局授粉与局部授粉通过转换概率 p∈[０，１]进行调节。 由于物理上的邻近性和风等因素的影响，在整个授粉活动中，转换概率 p是一个非常重要的参数。 文献[１]中对该参数的试验研究认为，取 p =０.８ 更利于算法寻优。

直接上步骤（以多元函数寻优为例）：

目标函数 ： min g = f(x1,x2,x3,x4...........xd)

设置参量：N（候选解的个数），iter（最大迭代次数），p（转换概率），lamda（Levy飞行参数）

初始化花朵，随机设置一个NXd的矩阵；

计算适应度，即函数值；

获取最优解和最优解得位置；

A循环 1 ： 1 ：iter

    B循环

        if rand < p

            全局授粉；

        else

            局部授粉；

        end if

        更新新一代的花朵与适应度（函数变量和函数值）；

    B循环end

    获取新一代的最优解与最优解位置；

A循环end

全局更新公式：xi(t+1) = xi(t) + L(xi(t) - xbest(t))    L服从Levy分布，具体可以搜索布谷鸟算法。

局部更新公式：xi(t+1) = xi(t) + m(xj(t) - xk(t))    m是服从在[0,1]上均匀分布的随机数。其中，xj和xk是两个不同的个体

相关知识

改进的花朵授粉算法程序（Matlab）资源
整数规划的花授粉算法
改进的花朵授粉算法在物流配送中心选址问题中的应用
基于花授粉算法优化实现SVM数据分类
一种给草莓花朵授粉的末端执行器及装置
物流配送路径规划模型及其改进TLBO算法研究
js植物算法
花朵如何授粉
基于正余双弦自适应灰狼优化算法的医药物流配送路径规划
基于R语言的害虫预测算法设计

网址: 花朵授粉算法【记录】 https://www.huajiangbk.com/newsview321638.html