基于云模型和余弦跳跃权重的改进蛙跳算法
标准蛙跳优化算法(SFLA)有寻优精度低和易陷入局部收敛区域的缺点,为提高其性能,提出一种基于云模型局部搜索和余弦跳跃权重更新位置的改进蛙跳算法(CSFLA).首先通过Tent混沌映射和反向学习生成种群,使种群的分布更均匀,利用云模型的正态特性对子群中的优秀个体的所在区域进行探索.同时,对种群中其他个体引入基于余弦函数的跳跃步长权重,使该权重在整个迭代过程中由高以不同的速率下降,提高种群的全局搜索能力.最后,将CSFLA与多个优化算法在不同类型的测试函数上进行了比较.结果表明,CSFLA具有更好的收敛速度和精度,能有效找出全局最优解.并且将改进算法应用至旅行商问题,该算法可以找到总路程更短的路线.
蛙跳算法、反向学习、云模型、余弦跳跃权重、混沌映射
32
TP301.6;TP18;O224
辽宁省自然科学基金2019-zd-0108
2023-02-15(万方平台首次上网日期,不代表论文的发表时间)
共10页
207-216