植物繁殖主要是通过授粉(如图所示)来实现，而根据显花植物的授粉对象不同，可分为异花授粉(全局授粉)和自花授粉(局部授粉)两种.在一般情况下，异花授粉是两性花，一般一朵花的雌蕊接受的花粉是另一朵花的雄蕊的花粉，这就是所谓的异花授粉.异花授粉一般需要传播者,如自然界的鸟、蜜蜂等,能飞行到较远的地方,且其飞行的行为具有莱维飞行特征, 即跳跃或飞行的步长服从莱维分布,故异花授粉可以发生在距离较远的随机地方.自花授粉是显花植物成熟的花粉粒传到同一朵花的柱头上或同一种显花植物的不同花之间进行传粉，并能正常地受精结实的过程.

花朵授粉算法

英国剑桥大学学者Yang受自然界中显花植物花朵授粉过程的启发而提出一种新型元启发式群智能优化算法—花朵授粉算法(Flower pollination algorithm, FPA)，其主要由全局授粉(全局搜索)、转换概率p和局部授粉(局部搜索)三部分构建的.算法实现简单, 需要调节的参数较少. 目前, FPA 算法成功应用于众多的工程领域。但是,依据其仿生机理可知，基本花朵授粉算法中的全局授粉 (优化) 部分中花朵个体是借助于携带其花粉的传播者(鸟、蜜蜂等)通过莱维飞行进行位置更新, 花朵个体借助莱维飞行所产生的较大跳跃和不均匀的随机移动步长在一定程度上能避免被局部极值所吸引, 花朵授粉算法具有较强全局寻优能力. 但是, 若随机生成的莱维飞行步长过小,则会减慢算法的收敛速度,且也存在使算法陷入局部最优,若步长过大,则容易跳离全局最优值.因此,花朵授粉算法全局授粉(优化)部分的个体位置的更新不能单纯依靠莱维飞行来改变其步长,这在一定程度上存在陷入局部极值的问题,影响算法的全局优化能力.

引入引力机制

为此, 本文针对该问题在花朵授粉算法的全局授粉(优化)部分引入引力机制, 在引力的作用下花朵个体向质量大的个体移动, 而质量最大的个体占据着最优位置, 个体间的相互引力促进个体进行优化信息的共享, 从而引导个体向最优解区域展开搜索. 因此, 万有引力机制能使花朵利用自身与其他花朵间的万有引力来牵制本身不均匀的随机游走的莱维飞行机制, 使花朵受莱维飞行和个体间的引力的双重影响, 引导种群向最优解靠近.

所有的花朵个体通过万有引力相互吸引, 并通过引力使所有的花朵朝惯性质量较大的个体方向移动, 惯性质量大的花朵(当前较好个体)比惯性质量小的花朵(当前较差个体)移动缓慢. 通过这种引力作用, 花朵个体间相互交流、 相互协作, 保证了算法的开采能力. 另外,万有引力的加速度与物体所受外力的方向一致, 也就说明加速度的方向与大小直接影响着花朵的移动方向和大小.在花朵授粉算法中, 花朵间产生的加速度直接左右着花朵的迭代位置的改变, 进而引导算法的全局授粉.

引用格式：肖辉辉, 万常选, 段艳明, 谭黔林. 基于引力搜索机制的花朵授粉算法. 自动化学报, 2017, 43(4): 576-594

作者简介：

肖辉辉 江西财经大学博士研究生. 河池学院副教授. 主要研究方向为智能计算, 情感计算. E-mail: gxhcxyxzy@126.com

万常选 江西财经大学教授. 2003 年获得华中科技大学博士学位. CCF 高级会员. 主要研究方向为Web 信息管理, 信息检索, 数据挖掘, 情感计算. 本文通信作者. E-mail: wanchangxuan@263.net

段艳明 河池学院副教授. 2009 获得江西理工大学计算机应用硕士学位. 主要研究方向为智能计算. E-mail: yanhui0920@126.com

谭黔林 河池学院讲师. 主要研究方向为数据分析, 数据挖掘. E-mail: tanqianlin@163.com