一种利用动态搜索策略的混合蛙跳算法-论文.pdf

《一种利用动态搜索策略的混合蛙跳算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2014年8月西安电子科技大学学报(自然科学版)Aug．2014第41卷第4期J0URNAL0FXIDIANUNIVERsITYVo1．41NO．4doi：10．3969／j．issn．1001—2400．2014．04．010一种利用动态搜索策略的混合蛙跳算法姜建国，张丽媛，苏仟，邓凌娟，刘梦楠(西安电子科技大学计算机学院，陕西西安710071)摘要：从混合蛙跳算法的寻优原理出发，研究了其寻优机制．针对标准算法中存在的初始种群不均匀、迭代后期收敛速度慢，易陷入局部最优的缺陷，提出了一种改进的混合蛙跳算法．采用随机化均匀设计方法产生初始种群；引入影响因子，动态地改

2、变子群当前最差值对其进化行为的影响；根据群体适应度方差判断种群是否陷入局部最优，并通过对当前全局最优值微扰，使算法跳出局部最优．实验结果表明，改进算法有更高的收敛精度和更好的收敛结果．关键词：混合蛙跳算法；随机化均匀设计；影响因子；群体适应度方差；微扰中图分类号：TP301．6文献标识码：A文章编号：1001-2400(2014)04—0051-07ShuffledfrogleapingalgorithmusingdynamicsearchingstrategyJIANGJianguo。ZHANGLiyuan，SUQian。DENGLingJuan，LIUMeng

3、nan(SchoolofComputerScienceandTechnology，XidianUniv．，Xi’an710071，China)Abstract：Basedontheprincipleoftheshuffledfrogleapingalgorithm(SFLA)，thealgorithm’Soptimizationmechanismisstudied．AnovelshuffledfrogleapingalgorithmisproposedtosolvetheproblemsoftheoriginalSFLA，suchasnon-uniforminit

4、ialpopulation，slowconvergencespeedinlateriterations，andbeingeasytofallintolocaloptimum．Theimprovedalgorithmgeneratestheinitialpopulationwiththerandomuniformdesignmethod，changestheinfluenceofthesubgroup’Scurrentworstvalueonthesubsgroup’Sevolutionbehaviordynamicallybyusingtheinfluencefa

5、ctor．Besides，thevarianceofthepopulation'sfitnessiscalculatedtojudgewhetherthepopulationfallsintolocaloptimum，andthentheimprovedalgorithmmakesthepopulationjumpoutoflocaloptimalstatebytheperturbationofthecurrentglobaloptimalvalue．Experimentalresultsshowthattheimprovedalgorithmcanleadtoa

6、higherconvergenceaccuracyandabetterconvergenceresult．KeyWords：shuffledfrogleapingalgorithm；randomuniformdesign；influencefactor；thevarianceofthepopulation'sfitness；perturbation混合蛙跳算法(ShuffledFrogLeapingAlgorithm，SFLA)是一种较新的基于群体智能的元启发式全局优化算法，由Eusuff和Lansey于2003年受青蛙觅食过程的启发而提出[1]．该算法结合了模因

7、算法(MemeticAlgorithm，MA)和粒子群算法(ParticleSwarmOptimization，PSO)两者的优点，具有结构简单、收敛速度快和全局寻优能力强等特点I2]．但在标准SFLA中，初始种群通过随机方式产生，种群分布不是很均匀；局部更新策略中，子群当前最差值对其进化行为的影响在进化过程中恒定不变，使得种群在迭代后期需要多次迭代才能收敛到全局最优；随着进化代数的增加，算法进化速度会降低甚至停滞，陷入早熟．文献[3—5]均对算法进行了一些改进．其中，文献E33用基于对立学习的策略产生初始种群，提高了候选解的质量，但是SFLA与差分进化算法的交替

8、搜索在一定