改进的混合蛙跳算法.doc

改进的混合蛙跳算法.doc改进的混合蛙跳算法文章编号:1001-9081(2012)01-0234-04doi:.:为提高混合蛙跳算法在优化问题求解中的性能,提岀了一种改进混合蛙跳算法。改进算法在原算法基础上加入了变异算子'并根据算法进化过程的不同阶段和进化过程中候选解分布情况,利用模糊控制器对变异算子的变异尺度进行调整,实现了变异算子在解空间中搜索范围的动态调整。通过对优化问题中4个典型测试函数的仿真实验表明,与基本蛙跳算法和已有改进算法相比,改进算法在寻优精度、收敛速度和求解成功率上均有一倍以上的提高,尤其在高维复杂优化问题求解中体现岀较强的寻优能力。?关键词:模糊控制器;混合蛙跳算法;变异算子;变异尺?中图分类号:TP18文献标志码:AAbstract:ToenhancetheperformaneeofShuffledFrogLeapingAlgorithm(SFLA)insolvingoptimizationproblems,thispaperproposedanimprovedshuffledfrogleapingalgorithm・Byaddingmutationoperatortotheoriginalalgorithm,theimprovedalgorithmregulatedthescaleofmutationoperatorviafuzzycontroller,,essrate,plexoptimizationproblem,parisonwiththebasicshuffledfrogleapingalgorithmandtheknownimprovedalgorithm・Keywords:fuzzycontroller;ShuffledFrogLeapingAlgorithm(SFLA);mutationoperator;mutationscale0引言?混合蛙跳算法[l](ShuffledFrogLeapingAlgorithm,SFLA)是由Eusuff等于2003年提出的一种结合了模因算法(MemeticAlgorithm,MA)和粒子群优化算法(ParticleSwarmOptimization,PSO)的全新进化算法。该算法具有概念简单、易于实现等特点,常被用来解决各种优化问题[2-3]o为了提高混合蛙跳算法解决复杂优化问题的性能,国内外学者对其进行了大量的研究。如:Zhang等[4]在子群内部搜索策略中加入“认知分量”,提高了算法的求解成功率和跳出局部最优的能力;赵鹏军等[5]在子群内部搜索策略中结合吸引排斥机制,有效避免了算法早熟收敛;Elbeltagi等[6]在子群内部搜索策略中通过引入“搜索加速因子”,提高了算法的全局寻优能力。不难看出,以上学者均是对子群内部搜索策略作一定的改变来提高算法性能。本文不修改原算法的子群内部搜索策略,而是在全局信息交换过程中增加变异算子,并根据算法运行的状态,采用模糊控制器[7]调整变异尺度。仿真结果表明'本文算法在收敛速度和求解精度上都能取得较好的效果'算法性能得到了有效提升。1混合蛙跳算法?混合蛙跳算法是一种受自然生物模仿启示而产生的协同进化算法,它模拟了青蛙群体寻找食物时按子群分类进行信息交换的过程:先随机从解空间中产生一组初始解(种群),再将整个种群分为多个子群,子群中的青蛙按照一定搜索策略执行子群内部搜索。在已定义的子群内部搜索次数结束之后,又混合全部青蛙,然后排序再分子群,使各个子群间的信息得到全局交换。各子群内部搜索和全局信息交换一直持续交替进行到满足收敛条件或达到最大进化代数为止。以下简要介绍混合蛙跳算法的数学模型。?1)子群划分。?设种群内青蛙(候选解)个数为N,子群数为k,子群内候选解个数为n。用X?j=(x??jl?,x??j2?/-,x??jD?)表示第j(OWjWN)个候选解,D表示候选解的维数。对于随机产生的初始种群S=(X?1,X?2,…,X?N),按适应度f(X)降序排序后,使第1个候选解分入第1子群,第2个候选解分入第2子群,…,第k个候选解分入第k子群,第k+1个候选解又分入第1子群,第k+2个候选解分入第2子群,依次重复直到N个候选解分配完毕。?2)子群内部搜索。?设X?b为一个子群中适应度最好的候选解,X?w为一个子群中适应度最差的候选解,X?m为整个种群中适应度最好的候选解。对每个子群进行内部