引入交叉概率的改进混合蛙跳算法

混合蛙跳算法中对个体进行更新时是所有维度都同时进行变异,这在某些问题中如更高变量维数,这样的变异造成的变化过大,虽然能够扩大解空间的搜索范围,但是却容易跳过全局最优解,减缓算法收敛速度。
因此提出引入交叉概率,这样并不是每个维度都进行变异,而是只随机变异其中的一些维,减小更新幅度,即减少了个体更新前后的空间位置差距,利于迭代过程中最优解的快速收敛。
引入交叉概率的策略如下:
where (rand()>CR)
D = rand()*(Xb – Xw)
elsewhere
D = 0
end where
如需要进一步降低局部更新策略的盲目性,提高算法的效率,可根据目标函数的特点对变量空间进行指导性更新,及对于不同分量采用不同的局部交叉概率CRj。若第j维分量的数据范围过大,则采用较小的数据更新概率,即加大其交叉概率CR;若第j维分量的数据范围很小,则采用较大的数据更新概率,即减小其交叉概率CR。
当然此策略也可用于其实智能算法。



发表评论

You must be logged in to post a comment.