一种基于云模型的改进型混洗蛙跳算法

摘要

针对经典混洗蛙跳算法在函数优化中易陷入局部最优和早熟收敛等缺点,结合云模型在定性与定量之间相互转换的优良特性,提出一种基于云模型的改进型混洗蛙跳算法.其思想是通过反向学习机制初始化种群,再通过正态云算子求解全局最优个体和子群最优个体周围的更优值,最后利用混沌理论对个别个体进行变异来跳出局部最优解.典型复杂函数测试表明,该算法能有效找出全局最优解,特别适宜于多峰值函数寻优.