一种改进的混合蛙跳算法

一种改进的混合蛙跳算法Research of Improved Shuffled Frog Leaping Algorithm摘 要: 针对混合蛙跳算法在迭代后期收敛速度变慢的现象，提出一种改进的混合蛙跳算法．该算法引入混沌优化机制，取代随机搜索，对当前群体中的最差个体实施混沌搜索，并替换群体中的部分个体，改善算法摆脱局部极值点的能力．仿真结果表明，改进的蛙跳算法的全局寻优能力明显优于基本的混合蛙跳算法．关键词：混合蛙跳算法; 混沌优化; 随机搜索Abstract: In order to prevent appearing slow convergence in post-search of Shuffled Frog Leaping Algorithm (SFLA), propose an Improved Shuffled Frog Leaping Algorithm (Im-SFLA). By integrating chaotic optimization, instead of the random search, some new individual are reproduced by chaotic searching on the current global worst individual and replace the same number of the stochastic selected individual from the current population, which improves the abilities of stepping out the local extremum. Simulation results demonstrate that Im-SFLA is superior to SFLA.eywords: Shuffled Frog Leaping Algorithm; chaotic optimization; random search

1．引 言

混合蛙跳算法（Shuffled Frog Leaping Algorithm, SFLA）[1-3]是基于文化基因算法和粒子群优化算法而产生的一种群体智能优化算法。局部搜索是在子群体的青蛙间进行思想的传递，而混合策略则是让局部间思想能够实现交换。局部深度搜索及全局信息交换的平衡策略让SFLA可以不局限于局部的极值点，实现快速寻优。然而SFLA亦有其不足，在进化后期，其收敛速度会变慢起来，针对寻优多峰值函数这种问题，搜索最优解有很多困难，得出的精度也较低。混沌是自然界中一种常见的非线性现象．混沌变量看似杂乱的变化过程其实含有随机性、遍历性及规律性等特点[4-6]，因此利用混沌变量进行优化搜索，无疑会比随机搜索更具优越性．本文以种群中最优个体和最差个体的适应度差值作为SFLA早熟收敛的判据，将Tent映射[7-9]作为混沌搜索机制引入到SFLA中，利用混沌搜索的全局遍历性和随机性，在增加种群多样性的同时，使搜索更加有效，因而建立一项改进的混合蛙跳算法（Improved Shuffled Frog Leaping Algorithm, Im-SFLA）。通过仿真实验说明，该算法可以跳出局部最小值，而且有很高的计算精度，鲁棒性强，寻优性能较SFLA有明显的提高。 2. 改进的混合蛙跳算法3. 算法仿真4.结束语

本文把混沌优化思想引入到混合蛙跳算法中，给出了一种改进的混合蛙跳算法．以种群最优个体与最差个体的适应度差值作为早熟的判断依据，对最差个体进行混沌搜索，然后以一定的概率随机选择种群中的部分个体，并用混沌搜索后的结果来替代，从而将混沌搜索的随机遍历性和规律性与混合蛙跳算法结合起来，增强种群的多样性，提高全局搜索的效率．仿真结果表明本文所提算法比混合蛙跳算法性能更优．

参考文献

[1] Alireza R.V., Ali Hossein M. Solving a bi-criteria permutation flow-shop problem using shuffled frog-leaping algorithm. Soft Computing, 2008, 12(5): 435-452.[2] Eusuff M. M, Lansey .E. Shuffled frog-leaping algorithm: A memetic meta-heuristic for discrete optimization. Engineering Optimization , 2006, 38(2): 129-154.[3] Alireza R.V., Ali Hossein M. A hybrid multi-objective shuffled frog-leaping algorithm for a mixed-model assembly line sequencing problem. Computers Industrial Engineering, 2007, 53: 642-666.[4] 王丽侠.混沌优化算法及在0/1背包问题中的应用.仪器仪表学报, 2006, 27(5):2344-2345.[5] 李兵、蒋慰孙. 混沌优化方法及其应用.控制理论与应用, 1997, 14(4): 613-615.[6] 徐宁、周尚波、张红民、虞厥邦. 一种混合混沌优化方法及其应用. 系统工程与电子技术, 2003, 25(2): 226-227.[7] 李昌刚、张昕. 基于混沌反控制的Tent映射伪随机序列发生器设计. 计算机应用, 2008, 28: 48-51.[8] 闫永梅、郝润芳、张朝霞、王华奎. 基于Tent映射的伪混沌序列的产生和分析. 太原理工大学学报, 2008, 39: 66-69.[9] 单梁、强浩、李军、王执铨. 基于Tent映射的混沌优化算法. 控制与决策, 2005 ,20(2): 179-18