混合蛙跳算法-Python实现

核心思想

混合蛙跳算法(SFLA)是一种受自然生物模仿启示而产生的基于群体的协同搜索方法。
混合蛙跳算法由局部搜索和全局信息交换两部分组成。
湿地的整个虚拟青蛙群被分为不同的memeplex（社群），每个memeplex(社群)进行独立的局部搜索，社群的个体随着社群的进化而进化。当社群进化到一定程度后，这些青蛙被混合并重组形成新的memeplex（社群），来使局部间的模因信息得到全局信息交换。局部搜索和全局信息交换一直持续交替到满足收敛条件为止。

算法描述

所有的算法流程图都是根据该论文 Eusuff, Muzaffar; Lansey, Kevin; Pasha, Fayzul – Shuffled frog-leaping algorithm 实现，流程图有不懂的地方可以参考该论文。

全局搜索

流程图如下所示：

局部搜索

流程图如下所示：

特点解析

优点:
该算法具有概念简单，调整的参数少，计算速度快，全局搜索寻优能力强，易于实现的优点
缺点：
易收敛到局部最优 ，在求解部分函数优化问题时效果不够理想
参数优化：
跟所有的启发式算法一样，参数的选择对SFLA的表现很关键。SFLA有5个参数：
m, n, q, N, S_max

实例&&代码

实例演示
sfla求解Fn5最小值

Python代码实现，github。