融合高斯变异和Powell法的花朵授粉优化算法

花朵授粉算法(flower pollination algorithm,FPA)是最近提出的一种新型群智能优化算法,由于其较好地解决了全局搜索和局部搜索的平衡性问题,且具有参数少,易实现等特点,已得到广泛应用和研究,但现有研究对其参数的研究较少,同时该算法也存在演化后期收敛速度慢且易陷入局部极小等缺陷,使其应用范围受到制约。为了提升FPA算法的整体性能,对其控制步长的缩放因子的取值进行了修正;提出了把高斯变异和Powell法融入到花朵授粉算法中的混合算法GMPFPA(flower pollination algorithm combination with Gauss mutation and Powell search method)。改进算法首先利用高斯变异对全局搜索进行扰动,增强种群的多样性,提高全局探测能力,然后引入局部寻优能力强大的Powell法提升其局部开发能力。通过12个高维经典测试函数对比实验,验证了改进算法的有效性和优越性。

多模函数优化的改进花朵授粉算法

为了探讨花朵授粉算法(FPA)在解算多模函数优化问题中存在的不足,通过定义种群多样性及差异性指标,定性分析了FPA在多模复杂函数优化中的寻优缺点。基于模拟退火思想优化全局授粉过程,并利用Nelder-Mead单纯形搜索技术对花朵局部授粉进行重构,提出一种新的花朵授粉寻优架构。仿真结果表明,相对于基本的FPA、布谷鸟算法、萤火虫算法,改进花朵授粉算法能够有效避免陷入局部最优,具备优异的全局勘探和局部开采能力,对多模优化问题具有一定优势。

基于改进花朵授粉算法的管路舾装单元装配序列规化

船舶舾装装配作业是船舶生产设计中重要的一个环节,现有造船模式下的舾装装配工作仍存在效率低等问题,其原因在于最优装配顺序的规划和舾装托盘资源配置的浪费。针对以上问题,以提高舾装装配效率为目的,建立了相应舾装装配约束的数学模型,研究了基于花朵授粉算法(FPA)的管路舾装单元装配序列规划问题,并结合现实中船舶舾装装配存在的两点问题,对原始花朵授粉算法加以改进,以最小化舾装装配资源分配为目标函数,旨在解决装配序列的多模态化问题,经过改进后的算法运算获得多个唯一最优装配序列,并将其结果与遗传算法(GA)和蚁群优化算法(ACO)进行比较,验证了此改进算法在装配序列多模态化问题上的优越性。