不同选择策略的人工植物算法

人工植物优化算法是一种模拟植物生长机理的群体随机优化算法。该算法模拟了一株人工树的生长过程，这棵人工树长有数量固定的枝条，各枝条利用光合作用生成相应的能量，并根据生成能量的多寡来决定其生长模式，此外，各枝条还会以一定概率受到天灾及人力的影响。本文针对人工植物优化算法做了如下的工作：首先，在标准人工植物算法中，每个枝条都只有一个分支，这一点显然与自然界中的树不同，它们的大多数枝条上面都有分支，以增加光合作用的面积，提高光合作用的效率。为了模拟这一现象，论文引入选择机制，提出基于选择策略的人工植物算法，使得各枝条以某种概率生成多余的分支，从而调整各枝条的生长方式。为了验证该想法，论文引入了截断选择策略、精英－联赛选择策略、联赛选择策略及FUSS选择策略，通过四个典型的无约束数值优化问题的测试，实验结果表明精英－联赛选择策略及联赛选择策略能大幅提高性能。其次，从选择压的角度，对截断选择策略、精英－联赛选择策略、联赛选择策略及FUSS选择策略进行了分析，结果表明精英－联赛选择策略及联赛选择策略的选择压介于截断选择策略与FUSS选择策略之间。考虑到精英－联赛选择策略及联赛选择策略的选择的引入能大幅改善人工植物算法寻优性能，论文设计了含有双选择算子的人工植物算法，该算法将迭代次数分为两部分，第一部分利用精英－联赛选择策略，第二部分采用联赛选择策略，以保证该改进算法的选择压介于精英－联赛选择策略及联赛选择策略之间。实验结果表明含有双选择算子的人工植物算法的性能优于基于精英－联赛选择策略的人工植物算法及基于联赛选择策略的人工植物算法。最后，将含有双选择算子的人工植物算法应用于无线传感器网络定位问题，并与DV-Hop算法相结合用于估计未知节点的位置。实验结果表明该算法的确能得到更加精确的定位精度。