目录
- 1.背景
- 2.算法原理
- 2.1算法思想
- 2.2算法过程
- 3.结果展示
- 4.参考文献
1.背景
2012年，Yang等人受到自然界花朵授粉过程启发，提出了鸭群算法（Flower Pollination Algorithm, FPA）。
2.算法原理
2.1算法思想
FPA基于自然界花朵授粉过程，主要分为两个阶段：全局授粉和局部授粉。
2.2算法过程
全局授粉
在全局授粉中，花粉由昆虫等传粉媒介携带。由于昆虫通常可以飞行和移动的范围更大，花粉可以传播很远的距离，这保证了最适者的授粉和繁殖：
x i t + 1 = x i t + L ( x i t − g ∗ ) (1) \mathbf{x}_i^{t+1}=\mathbf{x}_i^t+L(\mathbf{x}_i^t-\mathbf{g}_*)\tag{1} xit+1=xit+L(xit−g∗)(1)
其中，g*为最优授粉者。参数L是授粉的强度，本质上是一个步长。由于昆虫可能会以不同的距离步长进行长距离移动，这里采用莱维飞行模拟：
L ∼ λ Γ ( λ ) sin ( π λ / 2 ) π 1 s 1 + λ , ( s ≫ s 0 > 0 ) (2) \begin{aligned}L\sim\frac{\lambda\Gamma(\lambda)\sin(\pi\lambda/2)}{\pi}\frac{1}{s^{1+\lambda}},\quad(s\gg s_{0}>0)\end{aligned}\tag{2} L∼πλΓ(λ)sin(πλ/2)s1+λ1,(s≫s0>0)(2)
局部授粉
局部授粉可以表述为：
x i t + 1 = x i t + ϵ ( x j t − x k t ) (3) \mathbf{x}_i^{t+1}=\mathbf{x}_i^t+\epsilon(\mathbf{x}_j^t-\mathbf{x}_k^t)\tag{3} xit+1=xit+ϵ(xjt−xkt)(3)
这里，xj,xk为xi领域中其他授粉者，参数为[0,1]随机数，实际进行局部随机游走。
伪代码
3.结果展示
使用测试框架，测试FPA性能 一键run.m
- 【智能算法】省时方便，智能算法统计指标——一键运行~
CEC2005-F9
箱型图
探索与开发
种群空间搜索图
4.参考文献
[1] Yang X S. Flower pollination algorithm for global optimization[C]//International conference on unconventional computing and natural computation. Berlin, Heidelberg: Springer Berlin Heidelberg, 2012: 240-249.
