自适应高斯变异花授粉算法

花朵授粉算法(Flower Pollination Algorithm,FPA)是一种新颖的智能优化算法,广泛应用于解决复杂工程优化和多目标优化问题.针对该算法收敛精度低、速度慢和维数敏感等问题,通过引入佳点集理论初始化种群,使用自适应转化概率调整自花授粉与异花授粉,提出一种自适应高斯变异花授粉算法.对11个测试函数进行仿真,结果表明:改进算法有较高的收敛精度和收敛速度,并改善了基本花授粉算法对维数敏感问题.

基于改进花授粉算法的光伏MPPT研究

局部遮阴情况下,光伏阵列的P-V曲线存在多个极值,传统最大功率跟踪方法容易陷入局部最优而追踪失败。针对多峰值P-V曲线,提出一种改进型花授粉算法来实现全局最大功率跟踪。该算法在标准花授粉算法的基础上引入了自适应转化概率来平衡全局和局部搜索,同时用Jaya算法的位置更新公式替代原算法的局部搜索公式,有效避免了原局部搜索策略易陷入局部最优的不足。通过MATLAB/Simulink进行仿真验证,并与粒子群算法、花授粉算法进行比较,结果表明改进花授粉算法具有更高的追踪精度和更快的追踪速度。