一种蛙跳和差分进化混合算法.pdf

42011，47（18）ComputerEngineeringandApplications计算机工程与应用

一种蛙跳和差分进化混合算法

何兵1，2，车林仙1，2，刘初升1
HEBing1，2，CHELinxian1，2，LIUChusheng1
1.中国矿业大学机电工程学院，江苏徐州221008
2.泸州职业技术学院机电工程研究所，四川泸州646005
1.SchoolofMechanicalandElectricalEngineering，ChinaUniversityofMiningandTechnology，Xuzhou，Jiangsu221008，China
2.InstituteofMechatronicsEngineering，LuzhouVocationalandTechnicalCollege，Luzhou，Sichuan646005，China

HEBing，CHELinxian，LIUChusheng.Novelhybridshuffledfrogleapinganddifferentialevolutionalgorithm.Comput-
erEngineeringandApplications，2011，47（18）：4-8.

Abstract：ShuffledLeapingFrogAlgorithm（SFLA）ischaracterizedbysimplicity，fewcontrolparametersrequired，andeasily
beused，buthasthedisadvantagesofprematureconvergenceandlowprecisionforhardhigh-dimensionaloptimizationprob-
lems，duetoitsrapidlossofthepopulationdiversityandthelackoflocalrefinedsearchabilitiesatthelaterstagesofgen-
erations.InordertoovercometheeasyprematureorearlyconvergenceofSFLAs，thispaperhybridizestheSFLAandthe
DifferentialEvolution（DE）algorithmtoformahybridoptimizationalgorithm，namelySFL-DE，whichborrowstheideafrom
DE/best/1/binstrategythathastheadvantagesofstrongglobalsearchabilityandbetterpopulationdiversity.Comparisonsare
presentedtotestperformancesofthenewalgorithmemploying6benchmark30-dimensionalfunctions.ComparedwithSFLA
andstandardDE（i.e.，DE/best/1/binandDE/rand/1/binschemes）algorithms，theexperimentalresultsintermsoftheglobal
optimizationefficiency，thesolutionaccuracyandthecomputationrobustnessdemonstratethattheSFL-DEalgorithmisabetter
toolforsolvingsomebenchmarkoptimizationproblemswithinafewfixedgenerations，buttakesalongerruntime.
Keywords：ShuffledFrogLeapingAlgorithm（SFLA）；DifferentialEvolution（DE）algorithm；hybridoptimization；continuous
optimizationproblem

摘要：混洗蛙跳算法（SFLA）具有算法简单、控制参数少、易于实现等优点，但在高维难优化问题中算法容易早熟收敛且求解精
度不高。导致该缺陷的主要原因是在进化后期种群多样性迅速下降，且缺乏局部细化搜索能力。借鉴差分进化算法（DE）中DE/
best/1/bin版本具有全局搜索能力较强、种群多样性较好的优点，将SFLA与DE有机融合，形成混合优化算法（SFL-DE），以克服
SFLA容易早熟收敛的缺陷。给出了6个30维benchmark问题数值对比实验，结果表明，在给定的较小进化代数内，SFL-DE的寻
优效率、计算精度、鲁棒性