花授粉算法研究与应用综述

doi:10.3778/j.issn.1002-8331.2104-0279

计算机工程与应用 ›› 2021, Vol. 57 ›› Issue (15): 30-41.DOI: 10.3778/j.issn.1002-8331.2104-0279

花授粉算法研究与应用综述

巫光福，陈颖

江西理工大学信息工程学院，江西赣州 341000

出版日期:2021-08-01 发布日期:2021-07-26

Summary of Research and Application of Flower Pollination Algorithm

WU Guangfu, CHEN Ying

School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou, Jiangxi 341000, China

Online:2021-08-01 Published:2021-07-26

摘要/Abstract

摘要：

作为一种新型元启发式群智能优化算法，花授粉算法具有结构简单、鲁棒性强、控制参数少，全局寻优性能好和执行效率高等特点，其具有的特性和优势，吸引了国内外众多学者对其展开研究。简单阐述了花授粉算法的设计思路，并分析了现有的对算法初始解质量、种群多样性以及搜索能力的改进以及算法在各个领域如分类、定位、路径规划、经济调控等方面的应用。分析了花授粉算法未来的可以进一步研究的方向与内容。

关键词: 花授粉算法, 参数优化, 搜索方式, 混合算法

Abstract:

As a new meta-heuristic swarm intelligence optimization algorithm, the flower pollination algorithm has the characteristics of simple structure, strong robustness, few control parameters, good global optimization performance and high execution efficiency. Its characteristics and advantages have attracted domestic and foreign many scholars have carried out research on it. It briefly explaines the design ideas of the flower pollination algorithm, and analyzes the existing improvements to the algorithm’s initial solution quality, population diversity and search capabilities, as well as the algorithm’s performance in various fields such as classification, positioning, path planning, and economic regulation application. It analyzes the direction and content of the flower pollination algorithm that can be further studied in the future.

Key words: flower pollination algorithm, parameter optimization, search method, hybrid algorithm

巫光福，陈颖. 花授粉算法研究与应用综述[J]. 计算机工程与应用, 2021, 57(15): 30-41.

WU Guangfu, CHEN Ying. Summary of Research and Application of Flower Pollination Algorithm[J]. Computer Engineering and Applications, 2021, 57(15): 30-41.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[3]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[4]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[5]	廖列法，杨红. 天牛须搜索算法研究综述[J]. 计算机工程与应用, 2021, 57(12): 54-64.
[6]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.
[7]	王蕾，丁正生. 融合正弦余弦算法和精英算子的花授粉算法[J]. 计算机工程与应用, 2020, 56(6): 159-164.
[8]	李道全，王雪，于波，黄泰铭. 基于一维卷积神经网络的网络流量分类方法[J]. 计算机工程与应用, 2020, 56(3): 94-99.
[9]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[10]	闫旭，叶春明. 混合蝗虫优化算法求解作业车间调度问题[J]. 计算机工程与应用, 2019, 55(6): 257-264.
[11]	张水平，高栋. 基于动态调整和协同搜索的花授粉算法[J]. 计算机工程与应用, 2019, 55(24): 46-53.
[12]	王丽婷，张金鑫，张金华. 乌鸦搜索算法在SVM参数优化中的应用[J]. 计算机工程与应用, 2019, 55(21): 214-219.
[13]	贺智明，李文静. 基于动态全局搜索和柯西变异的花授粉算法[J]. 计算机工程与应用, 2019, 55(19): 74-80.
[14]	邓辉，罗倩，王岩. 基于IMF能量矩和Bayes-LSSVM的滚动轴承诊断[J]. 计算机工程与应用, 2019, 55(17): 156-161.
[15]	李婕1，李昊2，赵新蕖1. 免疫遗传算法的混合动力汽车多目标优化[J]. 计算机工程与应用, 2018, 54(4): 237-243.

花授粉算法研究与应用综述

Summary of Research and Application of Flower Pollination Algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics