最近在做尋優算法，到了花朵授粉算法時，發現網上可用的資料不多，大部分爲期刊論文，通過閱讀一些期刊論文稍微瞭解了一點，遂做一個記錄。
花朵授粉算法（ Flower Pollination Algorithm，FPA）是由英國劍橋大學學者Yang於2012年提出的，其基本思想來源於對自然界花朵自花授粉、異花授粉的模擬，是一種新的元啓發式羣智能隨機優化技術 。算法中爲了簡便計算，假設每個植物僅有一朵花，每朵花只有一個配子，我們可以認爲每一個配子都是解空間中的一個候選解。
Yang通過對花朵授粉的研究，抽象出以下四大規則：
1） 生物異花授粉被考慮爲算法的全局探測行爲，並由傳粉者通過Levy飛行的機制實現全局授粉；
2）非生物自花授粉被視作算法的局部開採行爲，或稱局部授粉；
3）花朵的常性可以被認爲是繁衍概率，他與兩朵參與授粉花朵的相似性成正比例關係；
4）花朵的全局授粉與局部授粉通過轉換概率 p∈[０，１]進行調節。 由於物理上的鄰近性和風等因素的影響，在整個授粉活動中，轉換概率 p是一個非常重要的參數。 文獻[１]中對該參數的試驗研究認爲，取 p =０.８ 更利於算法尋優。
直接上步驟（以多元函數尋優爲例）：
目標函數 ： min g = f(x1,x2,x3,x4...........xd)
設置參量：N（候選解的個數），iter（最大迭代次數），p（轉換概率），lamda（Levy飛行參數）
初始化花朵，隨機設置一個NXd的矩陣；
計算適應度，即函數值；
獲取最優解和最優解得位置；
A循環 1 ： 1 ：iter
B循環
if rand < p
全局授粉；
else
局部授粉；
end if
更新新一代的花朵與適應度（函數變量和函數值）；
B循環end
獲取新一代的最優解與最優解位置；
A循環end
全局更新公式：xi(t+1) = xi(t) + L(xi(t) - xbest(t)) L服從Levy分佈，具體可以搜索布穀鳥算法。
局部更新公式：xi(t+1) = xi(t) + m(xj(t) - xk(t)) m是服從在[0,1]上均勻分佈的隨機數。