小生境混合蛙跳算法研究與應(yīng)用.pdf

1、由于實際工程問題的復(fù)雜性，大量的優(yōu)化問題都是非常難解的。近年來，一類基于生物群體性智能行為的智能優(yōu)化算法，因為不依賴問題的梯度信息，且具有跳出局部極值點的潛在能力，已引起越來越多研究者的關(guān)注?；旌贤芴惴ㄊ且环N模擬青蛙覓食行為的智能優(yōu)化算法，具有參數(shù)少，魯棒性強，簡單易于理解等特點。但對于一些復(fù)雜問題的求解，混合蛙跳算法仍存在收斂速度較慢、易陷入局部極值的缺陷。
　　本文針對經(jīng)典混合蛙跳算法容易早熟、收斂速度慢、尋優(yōu)精度低的缺點，

2、在研究了其尋優(yōu)機制后，提出了一種采用小生境技術(shù)的混合蛙跳算法——小生境混合蛙跳算法（NSFLA）。運用基于限制競爭選擇策略的小生境技術(shù)，使各子種群動態(tài)地形成了互相獨立的搜索空間，抑制了由于群體協(xié)同導(dǎo)致的趨同性，增強了算法的全局尋優(yōu)能力，提高了收斂速度；在解的更新公式中，設(shè)計了一種自適應(yīng)調(diào)節(jié)移動步長的因子，引導(dǎo)解向最優(yōu)解方向移動，加快了算法的收斂速度；采用種群淘汰機制，隨機初始化已陷入局部最優(yōu)的子種群，避免了算法早熟收斂的情況。