小生境混合蛙跳算法研究與應(yīng)用.pdf

1、由于實(shí)際工程問(wèn)題的復(fù)雜性，大量的優(yōu)化問(wèn)題都是非常難解的。近年來(lái)，一類基于生物群體性智能行為的智能優(yōu)化算法，因?yàn)椴灰蕾噯?wèn)題的梯度信息，且具有跳出局部極值點(diǎn)的潛在能力，已引起越來(lái)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(qiáng)，簡(jiǎn)單易于理解等特點(diǎn)。但對(duì)于一些復(fù)雜問(wèn)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(duì)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(diǎn)，

2、在研究了其尋優(yōu)機(jī)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(yùn)用基于限制競(jìng)爭(zhēng)選擇策略的小生境技術(shù)，使各子種群動(dòng)態(tài)地形成了互相獨(dú)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(qiáng)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(jì)了一種自適應(yīng)調(diào)節(jié)移動(dòng)步長(zhǎng)的因子，引導(dǎo)解向最優(yōu)解方向移動(dòng)，加快了算法的收斂速度；采用種群淘汰機(jī)制，隨機(jī)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。