论文部分内容阅读
基本花朵授粉算法是英国剑桥学者Xin-She Yang在受到大自然中花朵授粉行为机制启发后,于2012年提出了一种新型元启发式算法,该算法在提出之后获得了大量中外学者的重点关注。该算法的搜索机制模拟了显花植物的花朵授粉行为,其中自花授粉对应了算法中的局部搜索机制,异花授粉则对应了算法搜索机制中的全局搜索机制,在算法中局部授粉与全局授粉两者之间的关系通过转换概率来平衡调节,促使算法通过不断迭代求解优化问题。该算法结构简单易操作,鲁棒性强,善于搜索,具有较高的稳定性,目前已有不少学者根据基本算法流程给出相应的改进方法和思路,改进后算法在寻优性能上均有相应提升,具有较为理想的收敛精度,改善和丰富了基本算法的整体框架和搜索机制,在改进算法成功应用到实际生产生活中各个领域的优化问题求解中时,取得了良好的问题应用结果。但算法本身也存在着一定的缺陷,例如算法中参数选取缺乏合适的设计基础,运行到算法后期时容易陷入局部极值难以跳出,无法找出更优的求解精度等,这些都直接影响了算法在工程问题上的应用范围。本文在分析和研究了基本花朵授粉算法所存在的问题后,根据不同的改进策略和思想对算法提出改进,通过对算法涉及到的参数、框架流程、内部搜索机制等进行提升,增强了算法的整体寻优能力,使得算法的收敛速度和寻优精度同时得到了提升。将改进后算法成功地应用到云计算平台下的任务资源调度优化问题中时,取得了良好的应用结果,同时该算法的应用范围得到了相应的拓展。本文的主要工作如下:(1)提出了一种融合模拟退火降温机制的自适应花朵授粉改进算法。由于花朵授粉算法容易陷入局部极值,本文在基本算法的全局授粉莱维飞行中使用变形指数函数的缩放因子控制步长,使得下代花朵个体位置的更新随着算法中迭代次数的增加而有效提升自适应性;针对算法后期寻优精度低,则通过瑞利分布函数结合迭代次数对繁衍概率影响因子进行改进,使得算法避免早熟收敛的同时在后期更能够向着最优解靠近;将模拟退火算法中的降温操作结合到改进后的花朵授粉算法中,在丰富增强种群多样性的同时改善提升了算法的整体寻优性能。通过仿真测试函数所得数据及收敛图表明,改进后算法的收敛精度和速度均有一定幅度提升,算法改进效果明显且具有一定的优势。(2)提出了一种结合差分进化思想并具有动态转换概率的改进花朵授粉算法。在基本花朵授粉算法中,通过韦伯分布函数结合迭代次数对转换概率进行改进,更好地平衡和协调了算法中全局搜索与局部搜索之间的关系,促使算法在整体寻优性能方面有效地得到了提升;在算法的全局搜索阶段中引入随机变异算子,适当丰富了种群的多样性,提升算法在全局搜索中的优化能力,防止算法陷入早熟收敛;在算法的局部搜索过程中融入差分进化算法中的定向变异与交叉两种操作,使花朵个体在进行位置更新时具有一定的记忆功能,能够在合理选择变异方向的同时利用交叉操作避免新解越界并提高收敛速度,不断向全局最优解趋近。(3)将MCFPA算法成功应用到云计算平台下资源调度优化问题中。利用花朵个体位置对应虚拟机位置,每个花朵个体根据改进后的动态转换概率与黄金比例系数的比较结果来选择进行全局搜索或局部搜索,从而确定为下个任务合理选择性能最佳的虚拟资源。通过定义云计算资源调度的时间成本和花费计算资源约束目标函数,当花朵个体完成目标搜索任务后,花朵个体位置对应的虚拟机资源选择即为该问题的最佳分派方案。通过仿真实验结果对比,发现改进后算法能够很好地节省任务调度的费用与时间,相比基本花朵授粉算法具有更好地优化结果。