英国剑桥学者Xin-She Yang受自然界花朵授粉行为机理启发,提出一种新型的元启发式算法—花授粉算法。花授粉算法包含两种重要的搜索机制,其根据显花植物花朵授粉的行为而设计,其中通过模拟花朵异花授粉行为设计出全局搜索过程,模拟花朵自花授粉行为设计出局部搜索过程,并且设计切换概率来平衡全局搜索和局部搜索两者之间的强度,使得算法能够不断迭代进化搜索到优化问题的最优解。该算法由于概念简单、容易实现、鲁棒性强、寻优率较高,提出之后受到众多中外学者高度关注。目前,许多学者通过改进参数和融合其它进化算法的思想改进基本花授粉算法,改善和丰富了基本花授粉算法的整体框架和搜索机制,优化后的算法在寻优精度和收敛速度上均有不同程度的提升,并在各种复杂优化问题中得以有效的应用。但是,随着研究的不断深入,研究者发现算法存在着一定的缺陷,比如算法中参数值的选取缺少合理的设计基础,算法迭代到后期寻优性能减弱,无法跳出局部极值,使花授粉算法的工程应用范围难以得到拓展。本文通过研究和分析基本花授粉算法得知,算法性能主要取决于切换概率、授粉方式和进化策略这三个方面。通过改进这三个方面来加快算法的收敛速度,提高算法的寻优精度,从而提高算法的整体寻优性能。将改进后的算法应用于电力系统经济负荷分配问题当中,提高求解问题的优化精度。本文具体研究工作主要包括以下几个方面:(1)提出一种基于Logistic混沌映射的花授粉改进算法LFPA(Flower Pollination Algorithm Based on Logistic Mapping)。基本花授粉算法对种群作初始化解时采用随机的方式,该方式使种群个体在整个解空间中随机分布,导致算法在寻优过程中效率低下。混沌映射对初始值敏感,并且具有非规则有序和遍历性的特点。利用混沌映射的这些特点对基本花授粉算法的种群作初始化解,使种群个体在解空间中均匀分布,并能够提升算法在搜索空间中的探索能力;在算法的局部授粉中引入交叉算子,提高算法的寻优精度,加快收敛速度,适当丰富种群的多样性。(2)提出一种基于差分变异思想并具有动态切换概率的改进花授粉算法IMFPA(Improved Flower Pollination Algorithm)。提出动态切换概率更好地平衡局部搜索和全局搜索之间的关系,促使算法整体性能得以提升;在基本花授粉的全局授粉方式中结合差分进化思想,引入变异操作,增加两组随机个体差分向量保持种群个体的多样性,改进全局搜索能力,提高算法整体性能;在局部授粉过程中引入目标变异策略并设置局部切换概率,通过局部切换概率实现目标变异策略和传统差分进化算法变异策略之间的选择,使算法提高局部搜索收敛速度,还能保持种群局部个体的多样性。(3)电力系统经济负荷分配的优化目标是指发电各机组间合理分配负荷,使其目标系统在满足负荷需求、运行约束要求等条件下,所产生的发电成本最小化。将改进的花授粉算法应用到电力系统经济负荷优化分配当中。