融合牵引变异和透镜成像的花授粉算法及应用

doi:10.3778/j.issn.1002-8331.2209-0332

摘要/Abstract

摘要： 针对花授粉算法收敛速度较慢、容易陷入局部最优解等问题，提出结合牵引变异和改进型透镜成像的增强花授粉算法LMFPA（lens learning and traction mutation based enhanced flower pollination algorithm）。LMFPA算法利用改进型透镜成像机制优化算法的种群分布。通过增加观测因子的牵引变异机制增加算法收敛速度和跳出局部最优的能力。以CEC2013中的12个测试函数作为性能评测函数集，将LMFPA与FPA（follower pollination algorithm）、TMFPA（T-distribution mutation-based flower pollination algorithm）、t-GSSA（improved sparrow search algorithm based on adaptive t-distribution and golden sine and its application）和PCSPSO（particle compaction and scheduling based particle swarm optimization）4个改进型FPA算法进行评测。实验结果表明LMFPA算法无论是收敛速度还是收敛精度上都占优。将LMFPA应用于在无人机三维路径规划问题，实验结果表明LMFPA也能取得更优的三维路径规划结果。

关键词: 花授粉算法, 透镜成像, 牵引变异, 路径规划

Abstract: Due to defects of relatively slow convergence and being easily trapped in local optimal of flower pollination algorithm（FPA）, an enhanced lens learning and traction mutation based flower pollination algorithm（LMFPA） is proposed in this paper. First, LMFPA applies a modified lens learning mechanism to improve the distribution of population. Second, LMFPA uses the observation factor based traction mutation strategy to further accelerate the convergence and increase the probability to jumping out of local optimal. 12 benchmark functions from CEC2013 are selected as testbed to evaluate performance of LMFPA with original FPA algorithm and another 3 improved FPA algorithms, including TMFPA （T-distribution mutation-based flower pollination algorithm）, t-GSSA（improved sparrow search algorithm based on adaptive t-distribution and golden sine and its application） and PCSPSO（particle compaction and scheduling based particle swarm optimization）. Experimental result shows that LMFPA can achieve superior performance both in convergence speed and accuracy. At last, LMFPA is also used to solve 3D path planning for UAVs. Experimental result illustrates that LMFPA can also find better 3D paths for UAVs.

Key words: flower pollination algorithm, lens imaging, traction variation, path planning

李大海, 伍兆前, 王振东. 融合牵引变异和透镜成像的花授粉算法及应用[J]. 计算机工程与应用, 2023, 59(14): 76-85.

LI Dahai, WU Zhaoqian, WANG Zhendong. Flower Pollination Algorithm Combining Lens Imaging and Traction Mutation and Its Application[J]. Computer Engineering and Applications, 2023, 59(14): 76-85.

参考文献

[1] 朱昱雯，肖健梅，王锡淮.基于改进SHADE算法的船舶电力系统推力分配[J].中国舰船研究，2020，15（4）：173-182.
ZHU Y W，XIAO J M，WANG X H.Thrust distribution of marine power system based on improved SHADE algorithm[J].Chinese Journal of Ship Research，2020，15（4）：173-182.
[2] 欧阳城添，朱东林，王丰奇，等.基于折射麻雀搜索算法的无人机路径规划[J].电光与控制，2022，29（6）：25-31.
OUYANG C T，ZHU D L，WANG F Q，et al.UAV path planning based on refracted sparrow search algorithm[J].Electronics Optics & Control，2022，29（6）：25-31.
[3] 李丹.改进群智能优化算法的海上物流配送路径优化方法[J].舰船科学技术，2020，42（16）：184-186.
LI D.Optimization method of marine logistics distribution path based on improved swarm intelligence optimization algorithm[J].Ship Science and Technology，2020，42（16）：184-186.
[4] 崔焕庆，张娜，罗汉江.基于改进鸽群算法的无线传感器网络定位方法[J].传感技术学报，2022，35（3）：399-404.
CUI H Q，ZHANG N，LUO H J.Localization of wireless sensor network based on modified pigeon inspired optimization[J].Chinese Journal of Sensors and Actuators，2022，35（3）：399-404.
[5] 李军民，王俊昌.基于遗传算法矿用汽车动力传动系参数优化设计[J].机械设计与制造，2018（11）：228-232.
LI J M，WANG J C.Parameters optimization design of powertrain system of mining truck based on genetic algorithm[J].Machinery Design & Manufacture，2018（11）：228-232.
[6] 张九龙，王晓峰，芦磊，等.若干新型智能优化算法对比分析研究 [J].计算机科学与探索，2022，16（1）：88-105.
ZHANG J L，WANG X F，LU L，et al.Analysis and research of several new intelligent optimization algorithms[J].Journal of Frontiers of Computer Science & Technology，2022，16（1）：88-105.
[7] KENNEDY J，EBERHART R.Particle swarm optimization[C]//1995 IEEE International Conference on Neural Networks（ICNN 95），Perth，Australia，1995.
[8] STORN R，PRICE K.Differential evolution-a simple and efficient heuristic for global optimization over continuous spaces[J].Journal of Global Optimization，1997，11（4）：341-359.
[9] DORIGO M，GAMBARDELLA L M.Ant colonies for the travelling salesman problem[J].Biosystems，1997，43（2）：73-81.
[10] KARABOGA D，AKAY B.A comparative study of artificial bee colony algorithm[J].Applied Mathematics and Computation，2009，214（1）：108-132.
[11] YANG X S.Flower pollination algorithm for global optimization[C]//International Conference on Unconventional Computing and Natural Computation.Berlin，Heidelberg：Springer，2012：240-249.
[12] 田海梅，徐胜超.基于改进的花授粉算法的虚拟机分配策略[J].数据采集与处理，2021，36（5）：996-1006.
TIAN H M，XU S C.Improved flower pollination algorithm based virtual machine allocation approach in cloud data centers[J].Journal of Data Acquisition & Processing，2021，36（5）：996-1006.
[13] 张慧颖，于海越，陈玲玲.基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位[J].中国激光，2021，48（1）：96-106.
ZHANG H Y，YU H Y，CHEN L L.Indoor visible light location using adaptive pollination receiving signal strength indication based on reverse learning strategy[J].Chinese Journal of Lasers，2021，48（1）：96-106.
[14] 赵凤，孙文静，刘汉强，等.基于近邻搜索花授粉优化的直觉模糊聚类图像分割[J].电子与信息学报，2020，42（4）：1005-1012.
ZHAO F，SUN W J，LIU H Q.Intuitionistic fuzzy clustering image segmentation based on flower pollination optimization with nearest neighbor searching[J].Journal of Electronics & Information Technology，2020，42（4）：1005-1012.
[15] 王志俊.机器人导航路径的动态细化分工花授粉算法规划[J].机械设计与制造，2021（3）：288-292.
WANG Z J.Robot navigation path intelligent planning by individual dynamic refine division flower pollination algorithm[J].Machinery Design & Manufacture，2021（3）：288-292.
[16] 周丹，葛洪伟，苏树智，等.基于紧凑度和调度处理的粒子群优化算法[J].计算机科学与探索，2016，10（5）：742-750.
ZHOU D，GE H W，SU S Z，et al.Particle compaction and scheduling based particle swarm optimization[J].Journal of Frontiers of Computer Science and Technology，2016，10（5）：742-750.
[17] 宁杰琼，何庆.t-分布扰动策略和变异策略的花授粉算法[J].小型微型计算机系统，2021，42（1）：64-70.
NING J Q，HE Q.Flower pollination algorithm based on t-distribution perturbation strategy and mutation strategy[J].Journal of Chinese Computer Systems，2021，42（1）：64-70.
[18] 张伟康，刘升.自适应t分布与黄金正弦改进的麻雀搜索算法及其应用[J].微电子学与计算机，2022，39（3）：17-24.
ZHANG W K，LIU S.Improved sparrow search algorithm based on adaptive t-distribution and golden sine and its application[J].Microelectronics & Computer，2022，39（3）：17-24.
[19] DUBKOV A，SPAGNOLO B，UCHAIKIN V V.Levy flight superdiffusion：an introduction[J].International Journal of Bifurcation and Chaos，2008，18（9）：2649-2672.
[20] 周艳平，顾幸生.差分进化算法研究进展[J].化工自动化及仪表，2007，34（3）：1-6.
ZHOU Y P，GU X S.Development of differential evolution algorithm[J].Control and Instruments in Industry，2007，34（3）：1-6.
[21] 孙灿，周新宇，王明文.一种融合邻域搜索的多策略差分进化算法[J].系统仿真学报，2020，32（6）：1071-1084.
SUN C，ZHOU X Y，WANG M W.A multi-strategy differential evolution algorithm combined with neighborhood search[J].Journal of System Simulation，2020，32（6）：1071-1084.