嵌入共轭梯度法的混合蛙跳算法

计算机工程与科学

嵌入共轭梯度法的混合蛙跳算法

庞凯立，梁昔明

（北京建筑大学理学院,北京 100044）

收稿日期:2016-01-11 修回日期:2016-05-03 出版日期:2017-10-25 发布日期:2017-10-25
基金资助:
北京市自然科学基金（4122022）；中央支持地方科研创新团队项目（PXM2013-014210-000173）

A hybrid SFLA algorithm based on conjugate gradient method

PANG Kai-li，LIANG Xi-ming

(School of Science,Beijing University of Civil Engineering and Architecture,Beijing 100044,China)

Received:2016-01-11 Revised:2016-05-03 Online:2017-10-25 Published:2017-10-25

摘要/Abstract

摘要：

针对基本蛙跳算法在处理复杂函数优化问题时求解精度低且易陷入局部最优的缺点，提出了一种嵌入共轭梯度法的混合蛙跳

算法。该算法在基本蛙跳算法划分模因组的基础上引入共轭梯度法，由于基本蛙跳算法模因组的划分规则，使得排在最后的

青蛙子群个体位置较差，严重影响着整个群体的寻优速度，因而选取排列在后面的一部分模因组使用共轭梯度法进行求解，

这使得算法在进化中后期易跳出局部最优，提高了算法的收敛精度。所得混合蛙跳算法有效结合了基本蛙跳算法较强的全局

搜索能力和共轭梯度法快速精确的局部搜索能力。数值实验结果表明，所提出的改进蛙跳算法较基本蛙跳算法具有更高的收

敛精度，避免了陷入局部最优的缺点，且优化结果更加稳定。

关键词: 混合蛙跳算法, 共轭梯度法, 数值实验, 适应度函数

Abstract:

We propose a hybrid shuffled frog leaping algorithm (SFLA) based on the conjugate gradient method to solve

the problem of low solution precision and easy to fall into local optimal solutions of the traditional SFLA.

Since the rules of dividing meme groups make the fitness values of the last frog subgroup too bad, which

affects the searching speed of the SFLA in the whole group, we introduce the conjugate gradient method into

the SFLA. We select the last meme groups to search the solution by using the conjugate gradient method, which

prevents the hybrid SFLA from falling into local optimal solution and improves the convergence accuracy. The

proposed hybrid SFLA algorithm combines the strongly global searing ability of the SFLA with the fast local

searching ability of the conjugate gradient method. Numerical experiment results show that the hybrid SFLA

has a higher convergent precision, more stable optimal results, and jumps out of local optimal solution

easily in comparison with the basic SFLA.

Key words: shuffled frog leaping algorithm, conjugate gradient method, numerical experiment, fitness function

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.

PANG Kai-li，LIANG Xi-ming.

A hybrid SFLA algorithm based on conjugate gradient method

[J]. Computer Engineering & Science.

[1]	梁昔明, 史兰艳, 龙文. 基于混合策略改进的蛇优化算法及其应用[J]. 计算机工程与科学, 2024, 46(04): 693-706.
[2]	刘婷1,2,杨秋翔1. 基于混沌机制与Levy变异烟花算法的服务组合优化[J]. 计算机工程与科学, 2019, 41(09): 1618-1626.
[3]	黄辉先，胡鹏飞. 基于共轭梯度法的反馈差分进化混合算法及其在弹簧设计中的应用[J]. 计算机工程与科学, 2018, 40(07): 1316-1322.
[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]	谢小军1,2,俞春强3,王博1,何弦1,徐章艳1,2. 基于免疫量子粒子群优化的测试代价敏感属性约简算法[J]. 计算机工程与科学, 2017, 39(07): 1371-1378.
[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]	徐光宪，杨冬丽，高嵩，许春燕，金钰博. 联合编码开销与安全性能的网络编码优化方案[J]. 计算机工程与科学, 2016, 38(07): 1384-1390.
[9]	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.
[10]	张凯院，宁倩芝，牛婷婷. 一类离散时间代数Riccati矩阵方程对称解的双迭代算法[J]. J4, 2015, 37(02): 329-334.
[11]	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.
[12]	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.
[13]	张雨浓，罗飞恒，陈锦浩，黎卫兵. 三输入伯努利神经网络权值与结构双确定[J]. J4, 2013, 35(5): 142-148.
[14]	张星廖琪梅. 自动组题算法中适应度函数的构建方法[J]. J4, 2007, 29(1): 88-89.
[15]	单润红[1] 高峰[2] 宋君强[1] 李晓梅[1]. 基于PCGM的周期非均匀采样信号重构[J]. J4, 2004, 26(4): 83-85.