1 简介混合蛙跳算法Shuffled Frog Leaping Algorithm是根据青蛙在石块上觅食时的种群分布变化而提出的算法。算法提出于2003年时间有点久远但相关的论文并不是特别多仍有较大的研究和改进空间。混合蛙跳算法( SFLA) 是一种受自然生物模仿启示而产生的基于群体的协同搜索方法。这种算法模拟青蛙群体寻找食物时按族群分类进行思想传递的过程将全局信息交换和局部深度搜索相结合局部搜索使得思想在局部个体间传递混合策略使得局部间的思想得到交换。在混合蛙跳算法中群体( 解集) 由一群具有相同结构的青蛙( 解) 组成。整个群体被分为多个子群不同的子群被认为是具有不同思想的青蛙的集合。子群中青蛙按照一定策略执行解空间中的局部深度搜索。在已定义的局部搜索迭代次数结束之后思想在混合过程中进行了交换。局部搜索和混合过程一直持续到定义的收敛条件结束为止。全局信息交换和局部深度搜索的平衡策略使得算法能够跳出局部极值点向着全局最优的方向进行这也成为混合蛙跳算法最主要的特点​.2 部分代码clc;clear all;close allm50; %种群分组数n35; %t每组青蛙包含的个数Ne25; %组内迭代数smax 100; %最大步长MAXGEN100; %种群总进化代数d25; %优化问题维数pmax 1024; %d维最大值pmin -1024;%d维最小值%%产生初始青娃Fm*n;tic;for i11:Fp(i1,:)pmax*rands(1,d);end%%全局迭代寻优yyzeros(1,MAXGEN);for ii1:MAXGENfor i21:Ffitness(i2)fun(p(i2,:));end%排序找最好的并分组[fitsort,index]sort(fitness);for i31:Fx(i3,:)p(index(i3),:);endgxx(1,:);%种群内最好的青娃yy(ii)fitsort(1);% yy(ii)fun(x(1,:));% localzeros(n,d);for i41:mlocal p(i4:m:end,:);for j1:Ne %每组青蛙迭代次数pblocal(1,:);%组内最优pwlocal(n,:);%组内最差s1rand.*(pb-pw);%采用组内最优更新s1(find(s1smax))smax;temp pws1;temp(find(temppmax))pmax;temp(find(temppmin))pmin;if fun(temp) fun(pw)s1rand.*(gx-pw);%采用全局最优更新s1(find(s1smax))smax;temppws1;temp(find(temppmax))pmax;temp(find(temppmin))pmin;endif fun(temp)fun(pw)s1pmax*rands(1,d);%随机更新s1(find(s1smax))smax;temppws1;temp(find(temppmax))pmax;temp(find(temppmin))pmin;endlocal(n,:) temp;for loc1:nfitlocal(loc)fun(local(loc,:));end[localsort,indexlocal]sort(fitlocal);for loc1:nlocalnew(loc,:) local(indexlocal(loc),:);endlocallocalnew;end %结束Nep(i4:m:end,:) local;end %结束m%最好的青娃适配值end %结束MAXGENtoc%结果分析plot(yy)title(混合跬跳算法优化);xlabel(总进化代数);ylabel(函数最优解);img gcf; %获取当前画图的句柄print(img, -dpng, -r600, ./img.png) %即可得到对应格式和期望dpi的图像3 仿真结果4 参考文献[1]陈亮. 基于混合蛙跳算法的背包问题求解算法. 河南城建学院学报 20.3(2011):4.博主简介擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真有科研问题可私信交流。部分理论引用网络文献若有侵权联系博主删除。