「深度学习之优化算法」（十五）混合蛙跳算法

阳光倾洒

于 2023-07-18 09:36:10 发布

阅读量1.8k

点赞数

分类专栏：算法文章标签：深度学习算法人工智能混合蛙跳算法优化算法实验

本文链接：https://blog.csdn.net/quanzhan_King/article/details/131776818

版权

算法专栏收录该内容

19 篇文章 27 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

混合蛙跳算法（Shuffled Frog Leaping Algorithm）是一种基于青蛙觅食行为的优化算法，每只青蛙的位置代表可行解，通过跳动寻找最优解。算法流程包括荷叶上的青蛙按适应度值排列，最差的青蛙跳动，先尝试跳向同一荷叶的最优位置，再跳向全局最优，最后随机跳动。实验表明，随着荷叶数增加，算法收敛速度加快，但跳出局部最优能力有限。通过对第三段跳动的修改，可以增强全局搜索能力并提高算法稳定性。

摘要由CSDN通过智能技术生成

1. 混合蛙跳算法简介

（以下描述，均不是学术用语，仅供大家快乐的阅读）
　　混合蛙跳算法（Shuffled Frog Leaping Algorithm）是根据青蛙在石块上觅食时的种群分布变化而提出的算法。算法提出于2003年，时间有点久远，但相关的论文并不是特别多，仍有较大的研究和改进空间。
　　混合蛙跳算法中，每个青蛙的位置代表了一个可行解。青蛙所在的池塘中有数块石块，每一代，青蛙们会被分配到石块上。在这一代中，只有石块上位置最差的青蛙会跳动。该青蛙首先会向着同一个石块上的最优位置的青蛙跳动，如果新的位置比原位置差则向则全局最优位置跳动，若该位置仍旧比原位置差则在解空间内随机跳动一次。可以看出每只跳动青蛙在每代中至少跳动一次，至多跳动三次，但由于每次跳动的青蛙数量等于石块数，故当石块数<青蛙数/3时，每代总跳动次数小于青蛙总数。
　　（查找文献追根溯源的时候看到了一个有趣的现象，原始的提出论文提出于2000年（Shuffled frog leaping algorithm:a memetic meta-heuristic for combinatorial optimization.）但是到2006年才出版，而2003年的论文（Optimization of Water Distribution Network Design Using the Shuffl