一种单种群混合蛙跳算法

J4 ›› 2014, Vol. 36 ›› Issue (03): 463-468.

一种单种群混合蛙跳算法

王联国1,2，龚亚星2

（1.甘肃农业大学信息科学技术学院，甘肃兰州 730070；2.甘肃农业大学工学院，甘肃兰州 730070）

收稿日期:2012-10-15 修回日期:2013-01-09 出版日期:2014-03-25 发布日期:2014-03-25
基金资助:
国家自然科学基金资助项目（61063028）；甘肃省教育信息化发展战略研究项目（2011）

A single population shuffled frog leaping algorithm

WANG Lianguo1,2，GONG Yaxing2

(1.College of Information Science and Technology,Gansu Agricultural University,Lanzhou 730070;
2.College of Engineering,Gansu Agricultural University,Lanzhou 730070,China）

Received:2012-10-15 Revised:2013-01-09 Online:2014-03-25 Published:2014-03-25

摘要/Abstract

摘要：

针对SFLA算法运行速度较慢、在优化部分函数问题时精度不高和易陷入局部最优的缺点，提出了一种单种群混合蛙跳算法SPSFLA。该算法采用单个种群，无需对整个种群进行排序，每个个体通过向群体最优个体和群体中心位置学习进行更新。如果当前个体学习没有进步，则对群体最优个体进行变异，并用变异的结果替代当前个体，加快了算法的运行速度和收敛速度，提高了优化精度。仿真实验结果表明，该算法具有更好的优化性能。

关键词: 群体智能, 混合蛙跳算法, 单种群, 加速因子, 聚群行为

Abstract:

Aiming at the shortcomings of shuffled frog leaping algorithm(SFLA) such as ease of trapping into local optimum, low optimization precision and slow speed when it is used to optimize some functions, a Single Population Shuffled Frog Leaping Algorithm (SPSFLA) is proposed. Without sorting the whole population, this new algorithm adopts single population. The individuals are updated by learning from the global best individual and the global middle position. If the current individual is not improved, the global best individual will be mutated and the current individual will be replaced by the new one. Those enhance the running speed, the convergence rate and the optimization precision of SPSFLA. The simulation results show that the improved algorithm has better optimization performance.

Key words: swarm intelligence;shuffled frog leaping algorithm;single population;acceleration factor;swarm behavior

王联国1,2，龚亚星2. 一种单种群混合蛙跳算法[J]. J4, 2014, 36(03): 463-468.

WANG Lianguo1,2，GONG Yaxing2. A single population shuffled frog leaping algorithm [J]. J4, 2014, 36(03): 463-468.

[1]	王颍超. 鲸鱼优化算法研究与应用进展[J]. 计算机工程与科学, 2024, 46(05): 881-896.
[2]	赵志刚，莫海淼，温泰，李智梅，郭杨. 一种自适应调整种群子代数量与步长的优化算法——爆米花算法[J]. 计算机工程与科学, 2019, 41(05): 900-909.
[3]	杨广明，张涛，TRUONG Thanhtung，王瑞，马连博. 基于Spark的并行化头脑风暴优化算法及复杂多峰函数优化[J]. 计算机工程与科学, 2019, 41(03): 393-399.
[4]	王林1，万小雨1,万建超2. 一种基于选择策略的差分混合蛙跳算法[J]. 计算机工程与科学, 2018, 40(01): 121-127.
[5]	戴月明，张明明，王艳. 协同进化混合蛙跳算法[J]. 计算机工程与科学, 2018, 40(01): 139-147.
[6]	庞凯立，梁昔明. 嵌入共轭梯度法的混合蛙跳算法[J]. 计算机工程与科学, 2017, 39(10): 1958-1965.
[7]	常小刚，赵红星. 基于三角函数搜索因子的混合蛙跳算法[J]. 计算机工程与科学, 2016, 38(11): 2362-2367.
[8]	喻金平1,张勇2,廖列法2,梅宏标3. 一种改进的混合蛙跳和K均值结合的聚类算法[J]. J4, 2016, 38(02): 356-362.
[9]	龚亚星1，王联国1,2. 合蜂群杂草算法及其在灌溉制度优化中的应用[J]. J4, 2014, 36(09): 1728-1735.
[10]	许骏,许晓东. 一种群体智能融合算法及其在应急设施选址的应用[J]. J4, 2014, 36(04): 667-673.
[11]	张友华1，王联国2. 基于改进混合蛙跳算法的负荷模型参数辨识[J]. J4, 2013, 35(6): 180-185.
[12]	张雯雰，高守平. 改进共享策略的简单群搜索优化算法[J]. J4, 2011, 33(7): 193-196.
[13]	杨志鹏[1] 朱丽莉[2] 袁华[1,3]. 粒子群优化算法研究与发展[J]. J4, 2007, 29(6): 61-64.
[14]	张涤杨燕. 文化算法研究进展[J]. J4, 2007, 29(10): 29-31.