正态变异优胜劣汰的混合蛙跳算法

张明明 戴月明 吴定会

摘 要：针对基本混合蛙跳算法收敛速度慢、求解精度不高且易陷入局部最优的缺陷，提出了一种新的正态变异优胜劣汰的混合蛙跳算法。该算法在局部搜索策略中，对子群内最差个体的更新融入了服从正态分布的变异扰动，可有效避免青蛙个体向局部最优聚集，扩大搜索空间，增加种群的多样性；同时对子群内少量的较差青蛙进行变异选择，摒弃不利的变异，继承有用的变异，优胜劣汰，整体提高种群的质量，减少算法寻优过程的盲目性，提高算法的寻优速度。对每个子群内的最优个体引入精英变异机制以获得更优秀的个体，进一步提升算法的全局寻优能力，避免陷入局部最优，引领种群向更好的方向进化。实验独立运行30次，所提算法在Sphere、Rastrigrin、Griewank、Ackley和Quadric函数中均能收敛到最优解0，优于其他对比算法。实验结果表明，所提算法可有效避免算法陷入早熟收敛，提高了算法的收敛速度和精度。

关键词：混合蛙跳算法；正态变异；优胜劣汰；精英变异机制；种群多样性

中图分类号： TP301.6；TP18 文献标志码：A英文标题