一种自适应惯性权重的混合蛙跳算法

摘要：

针对混合蛙跳算法(SFLA)易陷入局部最优、收敛速度慢的问题,提出一种改进的混合蛙跳算法.该算法用相对基学习法初始化青蛙群体,从而提高初始解的质量.通过引入自适应惯性权重修正青蛙的更新策略,可以平衡算法的全局搜索和局部搜索.对6个经典函数的仿真测试结果表明,该算法与SFLA和ISFLAl算法相比寻优能力强、迭代次数少、解的精度高,更适合高维复杂函数的优化.

关键词：混合蛙跳算法、相对基学习法、惯性权重、自适应、更新策略、全局最优

所属期刊栏目：38

分类号：Tp18

资助基金：甘肃省支撑计划基金资助项目090GKCA034;甘肃省自然科学基金资助项目09161JZA017

在线出版日期：2012-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：132-135