一种自适应惯性权重的混合蛙跳算法

• 作者: 刘悦婷 赵小强
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 混合蛙跳算法 相对基学习法 惯性权重 自适应 更新策略 全局最优
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 132-135
• 分类号: Tp18
• 字数: 4397字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.12.039

摘要

针对混合蛙跳算法(SFLA)易陷入局部最优、收敛速度慢的问题,提出一种改进的混合蛙跳算法.该算法用相对基学习法初始化青蛙群体,从而提高初始解的质量.通过引入自适应惯性权重修正青蛙的更新策略,可以平衡算法的全局搜索和局部搜索.对6个经典函数的仿真测试结果表明,该算法与SFLA和ISFLAl算法相比寻优能力强、迭代次数少、解的精度高,更适合高维复杂函数的优化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵小强	兰州理工大学电气工程与信息工程学院	66	312	10.0	13.0
2	刘悦婷	甘肃联合大学电子信息工程学院	15	77	5.0	8.0