混合蛙跳算法及其改进算法的运动轨迹及收敛性分析

被引：14

作者：

骆剑平

陈泯融

机构：

[1] 深圳大学信息工程学院

来源：

信号处理 | 2010年 / 26卷 / 09期

关键词：

智能优化; 混合蛙跳算法; 极值动力学优化(EO); 收敛性;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

本文通过求解差分方程分析混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)青蛙运动轨迹;进一步利用Solis和Wets提出的随机搜索算法收敛性判据讨论SFLA全局收敛性,得出SFLA全局收敛的结论;为提高SFLA收敛效率,提出一种在SFLA深度搜索方向上融合极值动力学优化(Extremal Optimization,EO)的改进算法EO-SFLA,并证明其依概率1收敛于全局最优。EO-SFLA中,改进的EO变异概率选取方式拓展了算法搜索空间,赋予了算法跳出局部极值点的能力,保证了算法全局收敛性。通过四个广泛使用的基准函数对两种算法进行实验仿真,仿真结果表明改进算法在保持全局收敛性的同时显著提高收敛速度。

引用

页码：1428 / 1433

页数：6

共 3 条

[1] 改进混合蛙跳算法求解旅行商问题 [J].