基于模糊阈值补偿的混合蛙跳算法

摘要：

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。

关键词：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

分类号：TP18(自动化基础理论)

资助基金：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。

在线出版日期：2014-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：168-172