基于混沌优化策略的SFLA算法

针对基本混合蛙跳算法的缺陷,提出了一种基于混沌优化策略的改进混合蛙跳算法(SFLA)。在青蛙更新策略中引入自适应扰动机制,平衡了算法搜索深度,并利用高斯变异算子代替随机更新操作,提高了算法搜索速度;在全局迭代中借鉴混沌优化策略思想,以概率形式对最优个体进行优化,避免了族群陷入局部最优,并证明了改进算法以概率1收敛于全局最优解。最后用MATLAB对测试函数进行了仿真,仿真结果表明改进的混合蛙跳算法在收敛速度、优化精度上有较大改善。