基于树木枝梢生长分枝过程的仿生计算算法

借鉴树木枝梢向光性生长的形态特征,提出一种仿生智能优化算法——生长树算法。将树木具有生长发育的器官(主干和枝叶)抽象地定义为树木的枝梢个体,将其映射为生长树算法的编码,新一层次枝梢个体的编码是上一层次枝梢个体编码的继承和扩展,通过判断每个可能的新一层次枝梢个体的生长素浓度的大小,选择其中生长素浓度较大的个体生成下一层次的枝梢种群,形成整个树木,即生长树,当生长树达到一定的层次时,加入枝梢个体编码的变形机制,增强枝梢个体在生长树生长空间的搜索能力,使算法趋近于最优解。算法由3个阶段组成:快速发育阶段、成长阶段、衰老阶段。通过利用经典的优化函数进行寻优实验,与遗传算法和蚁群算法的寻优结果进行对比,实验结果表明,该算法迭代次数少、收敛速度快、求解精度高,相比遗传算法和蚁群算法有更好的寻优能力。