基于非线性跨代差分进化的花授粉优化算法及其应用研究

针对高维度变量的优化问题,本文设计了一种基于非线性跨代差分进化的花授粉优化算法.该算法利用跨代差分进化引导个体逼近最优解,使算法的局部搜索过程具备导向性,并设置非线性惯性权重提升算法的搜索收敛速度.同时,通过参数自适应调整实现缩放因子和交叉概率的动态更新,从而提高种群丰富度、减少局部解的数量,再结合跨代赌轮盘方式以降低陷入局部最优解的概率.仿真验证表明,该算法能够在不同维度测试函数下保持较好的寻优特性和稳定性,尤其在高维度测试函数下的寻优性能更好.同时,本文以工业互联网中的无人机智能巡检的路径规划为例,评估了算法在实际应用中的性能.实验结果表明该算法可以满足巡检路径规划的低成本、高效率和规避外部攻击的需求.