混合蛙跳算法改進(jìn)及控制參數(shù)優(yōu)化仿真研究.pdf

1、2000年提出的混合蛙跳算法是一種新的智能優(yōu)化算法，它的基本思想來源于文化基因傳承，其顯著特點(diǎn)是具有局部搜索與全局信息混合的協(xié)同搜索策略。經(jīng)過大量仿真測試表明，解決高維、病態(tài)、多局部極值等函數(shù)問題混合蛙跳算法具有優(yōu)越性，是一種行之有效的優(yōu)化技術(shù)。
　　本文從基本混合蛙跳算法的原理、步驟以及參數(shù)選擇對算法的影響等方面出發(fā)，通過多個具有典型特征的無約束基準(zhǔn)測試函數(shù)對混合蛙跳算法進(jìn)行仿真測試，并與粒子群算法、遺傳算法兩經(jīng)典算法對比，來考

2、查算法的優(yōu)化性能。
　　混合蛙跳算法雖然具有易理解，參數(shù)少等優(yōu)點(diǎn)，但是存在不易跳出局部最優(yōu)，收斂速度慢等問題。針對這些不足，本文對算法提出三種改進(jìn)思想：
　　首先設(shè)計了兩種基于算法局部搜索策略的改進(jìn)算法。一種是利用種群最優(yōu)個體和局部最優(yōu)個體二者以一定的隨機(jī)比例同時影響文化基因體中的最差青蛙個體，建立新的個體進(jìn)化公式，來更新最差個體位置。另一種針對局部搜索的每次獨(dú)立進(jìn)化同時更新幾個適應(yīng)度較差的個體，使文化基因體整體快速的到達(dá)最

3、優(yōu)位置。這兩種算法均針對局部搜索部分的單一進(jìn)化給予改進(jìn)，仿真結(jié)果表明，兩種改進(jìn)策略提高了算法的求解速度，有效性也有所加強(qiáng)。
　　然后將量子算法與混合蛙跳算法相結(jié)合，提出了量子蛙跳算法。它用量子位的概率幅構(gòu)造青蛙個體，量子旋轉(zhuǎn)門改變量子比特的相位以更新個體，量子非門對種群最優(yōu)個體進(jìn)行變異，最終實(shí)現(xiàn)尋優(yōu)。經(jīng)過測試認(rèn)為它的收斂速度快，求解成功率高，有效性好。
　　為了驗證量子蛙跳算法和基本混合蛙跳算法在控制工程領(lǐng)域的優(yōu)化性能，用它