基于动态多种群机制的增强花授粉算法

针对花授粉算法易陷入局部最优、收敛精度不足和过早收敛的问题,提出一种基于动态多种群机制的增强花授粉算法(DMEFPA)。首先,DMEFPA使用一种融合个体适应度值和相对距离的方法挑选中心个体,使选出的个体既保持较高质量又保持在搜索空间的分布广泛,再将剩余个体划分到距离最近的中心个体构成多种群,随后依据概率来考虑是否接受种群状态变化。其次,各子群通过随机顺序动态构成环拓扑进行个体迁移,以增强种群多样性避免陷入局部最优。最后,通过改进局部搜索策略,以完善对解空间的探索。选用CEC2017测试函数集中的12个函数作为性能基准函数,将DMEFPA和其他5个改进算法:SCFPA、HLFPA、WOFPA、AMSSA、SHSSA进行评测,并对改进策略进行了消融实验。基于实验结果的Friedman检验表明,在改进策略的共同作用下,DMEFPA能获取最优的性能,且全局收敛性能较为稳定。