基于邻域正交交叉算子的混合蛙跳算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (36): 54-56.

基于邻域正交交叉算子的混合蛙跳算法

孟庆莹1，王联国2

1.甘肃农业大学工学院，兰州 730070
2.甘肃农业大学信息学院，兰州 730070

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-21 发布日期:2011-12-21

Shuffled frog leaping algorithm based on neighborhood orthogonal crossover operator

MENG Qingying1，WANG Lianguo2

1.College of Engineering，Gansu Agricultural University，Lanzhou 730070，China
2.College of Information Science Technology，Gansu Agricultural University，Lanzhou 730070，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-21 Published:2011-12-21

摘要/Abstract

摘要： 混合蛙跳算法（SFLA）是一种全新的群体智能优化算法。针对基本混合蛙跳算法优化精度低、收敛速度慢的缺点，引入邻域正交交叉算子的概念，提出了一种基于邻域正交交叉算子的混合蛙跳算法（SFLA-OCO）。通过对基准函数进行测试，实验结果证明改进的算法提高了算法的收敛速度，增强了算法的寻优能力。

关键词: 混合蛙跳算法, 群体智能, 正交交叉算子

Abstract: Shuffled Frog Leaping Algorithm（SFLA） is a new swarm intelligence optimization algorithm.Since basic shuffled frog leaping algorithm has low optimization precision and slow convergence speed，this paper proposes a Shuffled Frog Leaping Algorithm based on neighborhood Orthogonal Crossover Operator（SFLA-OCO）.Simulation?results?show that the new algorithm improves not only the convergence speed but?also?the?global?seach abilities.

Key words: shuffled frog leaping algorithm, swarm intelligence, orthogonal crossover operator

孟庆莹1，王联国2. 基于邻域正交交叉算子的混合蛙跳算法[J]. 计算机工程与应用, 2011, 47(36): 54-56.

MENG Qingying1，WANG Lianguo2. Shuffled frog leaping algorithm based on neighborhood orthogonal crossover operator[J]. Computer Engineering and Applications, 2011, 47(36): 54-56.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[3]	许德刚，赵萍. 蝙蝠算法研究及应用综述[J]. 计算机工程与应用, 2019, 55(15): 1-12.
[4]	李志强1，朱望纯1，张伟昆1，2. 区域停车诱导信息发布板的选址优化算法[J]. 计算机工程与应用, 2018, 54(8): 242-246.
[5]	黄霞1，2，叶春明1，郑军1. 混合改进搜索策略的鸡群优化算法[J]. 计算机工程与应用, 2018, 54(7): 176-181.
[6]	张晓凤，王秀英. 布谷鸟搜索算法综述[J]. 计算机工程与应用, 2018, 54(18): 8-16.
[7]	林诗洁1，2，董晨1，2，陈明志1，2，张凡1，2，陈景辉1，2. 新型群智能优化算法综述[J]. 计算机工程与应用, 2018, 54(12): 1-9.
[8]	杨小健，徐小婷，李荣雨. 求解高维优化问题的遗传鸡群优化算法[J]. 计算机工程与应用, 2018, 54(11): 133-139.
[9]	刘宏，王其涛，夏未君. 优化混合蛙跳算法的WSN三维定位方法[J]. 计算机工程与应用, 2017, 53(2): 129-133.
[10]	李冰1，2，王虎3，王锐4. 客户群及个体服务选择影响因子研究[J]. 计算机工程与应用, 2017, 53(13): 21-28.
[11]	周利军1，彭卫2，邹芳2，刘宇荧3，李莉3. 自适应变异粒子群算法[J]. 计算机工程与应用, 2016, 52(7): 50-55.
[12]	罗浩1，2，刘宇1，2. 一种强化互学习的人工蜂群算法[J]. 计算机工程与应用, 2016, 52(16): 23-29.
[13]	苟杰，马自堂. 基于MapReduce的并行SFLA-FCM聚类算法[J]. 计算机工程与应用, 2016, 52(1): 66-70.
[14]	朱沛，范年柏. 吸引子权重改变内嵌区域震荡搜索粒子群算法[J]. 计算机工程与应用, 2016, 52(1): 141-145.
[15]	张海俊，王　　波. 求解TSP的蚁群与模糊自适应粒子群算法[J]. 计算机工程与应用, 2015, 51(16): 117-120.