一种基于自适应同步因子的混合蛙跳算法

基于混合蛙跳算法(SFLA)具有寻优精度不高、算法收敛速度较慢等不足,提出了一种基于自适应同步因子的混合蛙跳算法(AS_SFLA)。当种群个体根据更新公式进行位置更新时,通过引入一个同步因子,改变组内迭代时的蛙跳规则,对青蛙个体更新位置进行扰动,从而增加种群位置的多样性并调整算法的搜索规模,从而改进算法的局部搜索能力。经使用两种不同参数设置对9个基准测试函数进行仿真实验后,比较SFLA、AS_SFLA和ISFLA1结果表明,自适应同步因子可以提高算法的局部搜索精度,避免算法陷入局部最优,实验结果证明了AS_SFLA具有更好的求解质量和局部搜索能力,适合高维复杂函数的优化。