对较好和较差个体双向更新的混合蛙跳算法

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,将共轭梯度法引入基本蛙跳算法,对排名靠前的p个模因组中的精英个体和排名靠后的q个模因组中的落后个体同时使用共轭梯度法进行更新,一方面增强对较差青蛙的指导能力,另一方面使最差的青蛙直接更新,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.将所得的混合蛙跳算法与其他智能优化算法进行对比,数值试验结果表明,无论从收敛精度还是进化代数而言,所得混合蛙跳算法较其他算法均有较大的改进,具有更高的收敛精度,能有效避免陷入局部最优,且优化结果更加稳定.

关键词：混合蛙跳算法、共轭梯度法、数值试验、适应度函数

所属期刊栏目：32

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61463009;北京市自然科学基金项目4122022;中央支持地方科研创新团队项目PXM2013-014210-000173

在线出版日期：2017-02-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：52-57