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。

双向式自动化立体仓库货位分配优化

针对双向式自动化立体仓库货位分配问题,以产品出入库效率、货架重心和产品聚集度为目标建立了货位分配数学模型,提出一种改进混合蛙跳算法对模型进行仿真优化,同时采用该算法时设计了新的局部更新策略,引入动态自适应同步因子,使之跳出局部最优,保持全局搜索能力,弥补了其在解决复杂问题时收敛速度慢,易陷入局部最优的问题。实例仿真结果表明:与标准的遗传算法和混合蛙跳算法相比,改进后的蛙跳算法迭代次数更少,收敛速度更快,对货位的优化更加合理,是一种解决双向式立体仓库货位分配的有效优化方法。

改进混合蛙跳算法的研究

针对传统混合蛙跳算法(SFLA)在优化过程中出现的求解精度不高、收敛速度慢、算法易陷入局部最优的问题,本文经过改变种群个体的位置更新公式,提出一种改进混合蛙跳算法(ISFLA)。在种群个体位置更新公式中,引入自适应同步因子和惯性权重系数。通过引入自适应同步因子,控制青蛙寻优过程中的移动步长,改进算法的局部搜索范围,保持种群的多样性。通过引入惯性权重系数,加入上一次的移动距离,表示对过去的经验记忆,加快搜索速度。通过对6个测试函数的实验结果表明,改进后的混合蛙跳算法相较于传统混合蛙跳算法具有较好的寻优性能。