"混合蛙跳算法的最优参数研究"
混合蛙跳算法是一种基于生物行为的全局优化算法,它模仿了青蛙捕食的行为来寻找问题的最优解。在优化过程中,算法的性能很大程度上取决于参数的选择。本文关注的是如何在给定的种群总数和总迭代次数条件下,确定混合蛙跳算法的最优参数组合,即分组数、允许青蛙个体位置改变的最大步长和组内迭代数。
在混合蛙跳算法中,分组数决定了算法的并行性和搜索空间的划分方式,最大步长影响着算法的探索能力,而组内迭代数则影响算法的局部搜索能力。不同的参数组合将导致算法在解决复杂优化问题时表现出不同的寻优性能。为了研究这些参数的影响,研究者采用了正交实验设计法,这是一种统计学方法,用于评估多个因素在不同水平下的效应。
通过选取每个参数的三个常见值,研究人员构建了一个三因素三水平的实验设计。然后,他们使用CEC2013实参函数测试集,这是一个广泛认可的基准测试集,来评估不同参数组合下的算法性能。CEC2013包含了各种类型的优化问题,可以全面反映算法在实际应用中的表现。
实验结果通过Friedman检测的得分进行评估,这是一种非参数统计方法,用于比较多个算法在多个数据集上的平均排名。最终,研究发现参数组合(20,5,10)提供了最佳的优化性能,即种群分为20组,每组内的最大步长为5,组内迭代次数为10。这一发现为混合蛙跳算法的进一步改进和实际应用提供了有力的支持。
该研究的重要性在于,它不仅揭示了混合蛙跳算法的关键参数对优化性能的具体影响,还提供了一种系统性的方法来确定这些参数的最佳值。这对于提高算法的效率和解决更复杂问题的能力具有重要意义。同时,这种参数选择方法也为其他类似的全局优化算法提供了参考,推动了智能算法领域的研究和发展。
关键词: 混合蛙跳算法,正交实验,CEC2013评价标准,参数选择
中图分类号: TP301.6 文献标志码: A 文章编号: 1001-3695(2019)11-027-3321-04 doi: 10.19734/j.issn.1001-3695.2018.05.0304