戴月明,张明明,王 艳
(江南大学物联网工程学院,江苏 无锡 214122)
混合蛙跳算法SFLA(Shuffled Frog Leaping Algorithm)于2003年由Eusuff等[1,2]提出。该算法结合了模因算法MA(Memetic Algorithm)和粒子群优化PSO(Particle Swarm Optimization)算法两者的优点,具有结构简单、参数设置少、运算速度快、全局寻优能力强、易于实现等特点,正成为智能计算领域的研究热点。
但是,相关研究表明,混合蛙跳算法在进化后期收敛速度慢,易陷入局部极值,求解精度低。为此,众多学者对其进行了大量的研究与改进。文献[3]通过反向学习策略生成初始种群以及对局部搜索策略引入比例因子两个阶段来进行改进,有效地提高了蛙跳算法的性能;文献[4]改进了蛙跳算法的局部搜索跳跃规则,同时引入协作与柯西变异策略代替随机更新,一定程度上提高了算法的收敛速度与精度;文献[5]提出一种新的更新策略,对子群内每一个青蛙都进行更新,并固定全局混合迭代时间间隔,实验结果表明改进的算法寻优精度高、收敛速度快;文献[6]通过结合量子进化算法的理论,提出量子二进制混合蛙跳算法,具有收敛速度快、全局搜索能力强、稳定性好等优点;文献[7]提出了双加速因子的搜索策略,同时对子群最差蛙以及子群最优蛙进行更新,进一步提高了算法的收敛速度。
以上文献对混合蛙跳算法的不同改进方法虽在一定程度上提高了算法的收敛速度和精度,但效果并不是很理想,这些改进并没有充分考虑到更优青蛙更可能存在于最优青蛙附近空间以及子群之间的交互学习和精英群体的自主学习进化能力。……