下载文档原格式
混合型蛙跳算法及其应用研究许金元【期刊名称】《计算机应用研究》【年(卷),期】2011(28)8【摘要】To improve the ability of frog-leaping algorithm to solve function optimization problems, proposed a novel efficiently shuffled frog-leaping algorithm. In order to test and verify the ability of proposed algorithm for solving the function optimization problems, compared the performanfce of proposed algorithm with simple frog-leaping algorithm. The experimental results show that calculation result and the convergence speed of proposed algorithm of ESFLA ares superior to simple frog-leaping algorithm, so the proposed algorithm is more suitable for solving complex unconstrained optimization problems.%为了提高蛙跳算法求解无约束连续优化问题的能力,提出了一种改进型混合蛙跳算法.为验证该算法求解函数优化问题的高效性,将其与基本蛙跳算法进行比较实验,结果表明该算法的解精度及收敛速度均优于基本蛙跳算法,更适用于求解复杂的无约束连续优化问题.【总页数】3页(P2835-2837)【作者】许金元【作者单位】湖南机电职业技术学院,长沙410151【正文语种】中文【中图分类】TP18【相关文献】1.混合型蚁群算法及其应用研究 [J], 许梁海;倪志伟;赖大荣2.和声蛙跳算法在复杂优化问题中的应用研究 [J], 肖文显;王俊阁;马孝琴3.混合型神经网络模型算法和应用研究 [J], 周金荣;黄道4.基于混合蛙跳算法的灌溉制度寻优应用研究 [J], 康立军;张仁陟;吴丽丽5.基于蚁群算法和蛙跳算法的云计算资源调度算法 [J], 郭琪瑶;朱范德因版权原因，仅展示原文概要，查看原文内容请购买。
收稿日期:2008210206;修回日期:2008212224 基金项目:国家自然科学基金资助项目(60674108,60574075) 作者简介:赵鹏军(19792),男,陕西渭南人,硕士,主要研究方向为最优化理论与方法、智能计算及其应用等(pengjunzhao @t );刘三阳(19592),男,陕西西安人,教授,博导,博士,主要研究方向为最优化理论及其应用、信息网络的算法与性能优化、非光滑/非线性分析等.求解复杂函数优化问题的混合蛙跳算法3赵鹏军1,2,刘三阳2(1.商洛学院数学与计算科学系,陕西商洛726000;2.西安电子科技大学理学院,西安710071)摘 要:针对基本混合蛙跳算法在处理复杂函数优化问题时容易陷入局部最优、收敛速度慢的缺点,提出了一种改进的混合蛙跳算法。
该算法把生物学中的吸引排斥思想引入到混合蛙跳算法中,修正了其更新策略,从而维持了子群的多样性。
实验仿真结果表明,改进的混合蛙跳算法提高了算法的收敛速度,有效地避免了SF LA 的早熟收敛问题,从而改善了对复杂问题的搜索效率,数值实验结果验证了算法的有效性和鲁棒性。
关键词:混合蛙跳算法;智能优化;复杂函数中图分类号:TP301.6 文献标志码:A 文章编号:100123695(2009)0722435203doi:10.3969/j .issn .100123695.2009.07.009Shuffled fr og leap ing algorith m for s olving comp lex functi onsZ HAO Peng 2jun1,2,L I U San 2yang2(1.D ept .of M athe m atics &Co m putational Science,Shangluo U niversity,Shangluo Shannxi 726000,China;2.School of Science,X idian U ni 2versity,X i ’an 710071,China )Abstract:Basic shuffled fr og leap ing algorith m (SF LA )easily trapped int o l ocal op ti m a and had a sl ow convergence s peedwhen it was used t o address comp lex functi ons,in order t o overcome the shortcom ings,this paper p r oposed an i m p r oved SF 2LA.The p r oposed algorithm integrated the attracti on 2repulsi on mechanis m in the field of bi ol ogy int o SF LA and modified upda 2ting strategy,and thusmaintains the subpopulati on diversity .Experi m ental results show that the p r oposed SF LA enhances con 2vergence vel ocity and avoids p re mature convergence effectively,i m p r oving the efficiency of search for comp lex functi ons .A l 2s o,nu merical results de monstrate the effectiveness and r obustness of the i m p r oved SF LA.Key words:shuffled fr og leap ing algorith m (SF LA );intelligent op ti m izati on;comp lex functi ons 在大自然中,某些物种在它们漫长的进化过程中所形成的生存方式和觅食行为为人类解决某些问题带来了新的启发。
————————————————————————————————————————————————混合蛙跳算法的最优参数研究作者孟凯露，尚俊娜，岳克强机构杭州电子科技大学通信工程学院；杭州电子科技大学电子信息学院DOI 10.3969/j.issn.1001-3695.2018.05.0304基金项目浙江省基础公益研究计划资助项目（LGG18F010010）；国家自然科学基金资助项目（11603041）；浙江省基础公益研究计划项目（LGG18F010010）；广西精密导航技术与应用重点实验室开放基金资助项目（DH201714）预排期卷《计算机应用研究》2019年第36卷第11期摘要介绍了混合蛙跳算法的最优参数选取过程。
在种群总数以及总迭代数给定的情况下，分组数、允许青蛙个体位置改变的最大步长和组内迭代数是影响混合蛙跳算法优化性能的重要参数。
不同的参数值选取会对算法的结果产生不同的影响。
对混合蛙跳算法中这3个参数的值进行选择，首先进行了参数对算法的影响分析，其次取每个参数的3个常用值，利用正交试验设计法设计三因素三水平的实验；接着设置相同的环境条件，用CEC2013实参函数测试集验证不同参数组合算法的寻优性能。
最后以最优值误差的Friedman检测的得分为评价指标，选出最优参数组合(20，5，10)，为后续算法改进及应用打下基础。
关键词混合蛙跳算法；正交试验；CEC2013评价标准；参数选择作者简介孟凯露（1993-），女，浙江诸暨人，硕士研究生，主要研究方向为智能算法；尚俊娜（1979-），女，副教授，博士，主要研究方向为通信信号处理､智能算法；岳克强（1984-），男（通信作者），讲师，博士，主要研究方向为进化计算､通信信号处理（839534673@）．中图分类号TP301.6访问地址/article/02-2019-11-029.html投稿日期2018年5月22日修回日期2018年7月18日发布日期2018年8月10日混合蛙跳算法的最优参数研究————————————————————————————————————————————————引用格式孟凯露, 尚俊娜, 岳克强. 混合蛙跳算法的最优参数研究[J/OL]. 2019, 36(11). [2018-08-10]./article/02-2019-11-029.html.第36卷第11期 计算机应用研究V ol. 36 No. 11 优先出版Application Research of ComputersOnline Publication——————————收稿日期：2018-05-22；修回日期：2018-07-18 基金项目：浙江省基础公益研究计划资助项目（LGG18F010010）；国家自然科学基金资助项目（11603041）；浙江省基础公益研究计划项目（LGG18F010010）；广西精密导航技术与应用重点实验室开放基金资助项目（DH201714）作者简介：孟凯露（1993-），女，浙江诸暨人，硕士研究生，主要研究方向为智能算法；尚俊娜（1979-），女，副教授，博士，主要研究方向为通信信号处理､智能算法；岳克强（1984-），男（通信作者），讲师，博士，主要研究方向为进化计算､通信信号处理（839534673@ ）．混合蛙跳算法的最优参数研究 *孟凯露a ，尚俊娜a ，岳克强b †(杭州电子科技大学 a. 通信工程学院; b. 电子信息学院, 杭州 310018)摘 要：介绍了混合蛙跳算法的最优参数选取过程。
混合蛙跳算法基本原理
嘿，朋友们！今天咱们来聊聊超有意思的混合蛙跳算法的基本原理！
你想想啊，就好比一群青蛙在一个大大的池塘里蹦跶（这就像算法中各种可能的解）。
它们有的蹦得远，有的蹦得近，但是它们都在努力寻找最好的位置。
混合蛙跳算法呢，就是让这些青蛙们分成小组（可以类比为不同的解集群）。
每个小组里的青蛙们会一起交流，互相学习，然后各自根据学到的东西蹦一蹦（调整解）。
比如说，有一只青蛙发现旁边那只蹦得挺不错，它就会跟人家学学，也试着往那个方向多蹦一点。
然后呢，各个小组之间还会交换信息（这就像是不同解集群之间的交互）！哎呀，这多棒啊！这样就可以让大家都能知道其他小组找到的好地方，都朝着更好的方向去努力。
就好像一群小伙伴一起玩游戏，互相分享经验，然后一起进步！
那这个算法到底有啥用呢？这么说吧，假如你要规划一条最优的物流路线，那它就能帮你找到最合适的那条路，能省好多时间和成本呢！这不就像你找路的时候有人给你指了一条明路一样吗？
再比如，在设计一个复杂的系统时，它能让你快速找到最佳的参数组合。
这不就相当于有个超级聪明的助手帮你把一切都安排得妥妥当当嘛！
我觉得混合蛙跳算法真的太神奇了，就像给我们打开了一扇通往高效解决问题的大门。
它让我们能在各种复杂的情况下都能找到最好的办法，难道不是很了不起吗？朋友们，你们说呢！
观点结论：混合蛙跳算法是一种非常有创意和实用的算法，能帮助我们高效地解决各种问题，具有很大的价值和潜力。
混合蛙跳算法
混合蛙跳算法（Hybrid Firefly Algorithm，简称HFA）是一种
基于萤火虫算法的优化算法。
在优化问题中，HFA能够有效地搜索到全局最优解，并且收敛速度较快。
这种算法的核心思想是将不同策略的
蛙跳算法进行混合，以达到更好的优化效果。
HFA继承了萤火虫算法的局部搜索策略和蛙跳算法的全局搜索策略。
在HFA中，每个萤火虫代表一个潜在的解决方案。
萤火虫根据当
前的解决方案和邻域解决方案的亮度来更新自己的位置，从而在优化
空间中进行搜索。
萤火虫之间的相互吸引和排斥影响它们的移动方向，达到全局搜索的目的。
蛙跳算法的特点是通过交叉和变异的方式生成新的可行解来进行
搜索。
在HFA中，蛙跳算法被用来增加全局搜索的多样性。
蛙跳算法
的每个个体代表一个解，通过随机交叉和变异操作，产生新的解来覆
盖整个搜索空间。
这样可以避免算法陷入局部最优解，并且加快算法
的收敛速度。
总的来说，HFA综合了萤火虫算法和蛙跳算法的优势，能够同时
进行全局搜索和局部搜索，并且具有很强的适应性和鲁棒性。
在许多
实际问题中，HFA都能够得到很好的优化效果，并且用于解决优化问题的应用具有广泛的前景。
