10.3969/j.issn.1000-3428.2014.05.035
基于模糊阈值补偿的混合蛙跳算法
针对混合蛙跳算法(SFLA)求解复杂问题时收敛速度慢、优化精度低的缺点,提出一种基于模糊阈值补偿的混合蛙跳算法(FTCSFLA)。在SFLA的基础上,采用模糊分组方法对青蛙分组并改进局部搜索的扰动策略。在族群中定义模糊隶属度、隶属度阈值和补偿系数,利用邻域青蛙之间的分布程度衡量某一青蛙的模糊隶属度。在一次局部搜索中,对族群最差个体按模糊隶属度和隶属度阈值关系给出2种更新方法,设置相应的补偿系数。实验结果表明,隶属度阈值为0.9的FTCSFLA其收敛精度、速度均优于SFLA和隶属度阈值为0.5的FTCSFLA,当隶属度阈值取值在(0.5,0.9]之间时,FTCSFLA的性能达到最优。
混合蛙跳算法、模糊隶属度、隶属度阈值、补偿系数、模糊分组、扰动策略、优化性能
TP18(自动化基础理论)
国家自然科学基金资助项目61063028;中国博士后科学基金资助项目2013M542398;甘肃省高等学校研究生导师科研基金资助项目1202-04,1102-05;甘肃省教育厅信息化战略研究基金资助项目2011-02;甘肃省自然科学研究计划基金资助项目1308RJZA214,1208RJZA133;甘肃农业大学盛彤笙科技创新基金资助项目GSAU-STS-1322;兰州交通大学青年科学基金资助项目2013032。
2014-06-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
168-172