文章目录
一、算法灵感
-
- 一、算法灵感
- 二、算法介绍
- 三、原理
- 四、完整案例实现
-
- 4.1 导入相关库
- 4.2 定义目标函数并3D可视化
- 4.3 FPA算法
- 4.4 获取结果
- 4.5 可视化最佳值
- 五、封装源码
- 六、参考书籍
在工业和工程中的许多复杂的多模态设计问题中，跟踪全局最优解仍然是一项极具挑战性的任务。通常，传统的优化方法在这类问题中表现不佳，因为它们可能会陷入局部最优。然后，推荐使用受自然启发的元启发式算法（Yang 2008）。文献中有大量成熟的元启发式优化算法，包括遗传算法 (GA) (Holland 1975 )、萤火虫算法 (Yang 2010 )、粒子群优化 (PSO) (Kennedy 2011 )、Cuckoo Search (CS )（Gandomi 等人，2013) 以及最近的一些，例如冠状病毒群体免疫优化器 (CHIO) (Al-Betar et al. 2021 ) 和 Aquila Optimizer (Abualigah et al. 2021 )。
花卉授粉算法（FPAÿ
