混合蛙跳算法的Markov模型及其收敛性分析

 本文就混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)建立了Markov链数学分析模型,详细分析了该Markov链的性质,证明青蛙族群状态序列是齐次Markov链.在此基础上,通过分析族群状态序列的转移过程,指出序列必将进入最优状态集.同时证明混合蛙跳算法满足随机搜索算法全局收敛的两个条件,能够保证全局收敛.     

采用快速混合蛙跳算法的微光图像增强

由于探测器灵敏度的限制,激光雷达、夜视等图像各点的相对灰度较低。基于更快速的混合蛙跳算法（A Fast Shuffled Frog Leaping Algorithm,FSFLA）提出了一种图像自适应快速增强算法。该算法采用了一种具有更大搜索范围、更快的收敛速度的快速混合蛙跳算法,降低了运算时间。它应用于微光图像的处理方面上,较传统的SFLA 算法能更快地达到图像增强的效果,更适用于实际应用场合。在给出24 个初值的情况下,传统的SFLA 算法须迭代平均20 次才能达到稳定的效果,而FSFLA 仅需6 次,因而大幅度地提高了运算时间。     

混合蛙跳算法及其改进算法的运动轨迹及收敛性分析

本文通过求解差分方程分析混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)青蛙运动轨迹;进一步利用Solis和Wets提出的随机搜索算法收敛性判据讨论SFLA全局收敛性,得出SFLA全局收敛的结论;为提高SFLA收敛效率,提出一种在SFLA深度搜索方向上融合极值动力学优化(Extremal Optimization,EO)的改进算法EO-SFLA,并证明其依概率1收敛于全局最优.EO-SFLA中,改进的EO变异概率选取方式拓展了算法搜索空间,赋予了算法跳出局部极值点的能力,保证了算法全局收敛性.通过四个广泛使用的基准函数对两种算法进行实验仿真,仿真结果表明改进算法在保持全局收敛性的同时显著提高收敛速度.     

基于改进混合蛙跳算法的CVRP求解

该文提出基于实数编码模式的混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)求解容量约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP);把具有极强局部搜索能力的幂律极值动力学优化(Power Law Extremal Optimization,-EO)融合于SFLA,针对CVRP对-EO过程进行设计和改进。改进的-EO采用新颖的组元适应度计算方法;采用幂律概率分布来挑选需要变异的组元;根据最邻近城市表,采用幂律概率分布挑选变异组元的最佳邻近城市,执行线路间或线路内的变异。求解测试库中的实例,证明该改进算法有效。     

混合粒子对优化算法在说话人识别中的应用

在粒子群优化(Particle Swarm Optimization, PSO)和混合蛙跳算法(Shuffled Frog-Leaping Algorithm, SFLA)的基础上,该文提出了一种新的混合粒子对优化(Shuffled Particle-Pair Optimizer, SPPO)算法,应用于矢量量化的说话人识别。该算法将全局信息交换和局部深度搜索相结合寻求最佳的说话人码本。群体按适应值分为3个粒子对,每个粒子对由两个粒子构成,按先后顺序执行PSO算法中的速度位置更新和LBG算法以实现局部细致搜索,间隔一定的迭代次数通过SFLA混合策略实现粒子对间的信息交换,从而使群体向全局最优解靠近。实验结果表明,本算法始终稳定地取得显著优于LBG,FCM,FRLVQ-FVQ和PSO算法的说话人识别性能,较好地解决了初始码本影响的识别性能的问题,且在计算时间和收敛速度方面有相当的优势。     

改进的量子进化算法及其在TSP问题中的应用

针对量子进化算法（Quantum—inspired Evolutionary Algorithm，QEA），在解决实际问题中遇到的困难，提出一种改进的量子进化算法，应用于求解旅行商问题（Travelling Salesman Problem，TSP）,并提出了TSP中的Hamilton圈的随机搜索编码技术。通过求解TSP问题库中的部分问题，表明改进的算法比经典的量子进化算法及免疫遗传算法具有更快的收敛速度和更好的全局寻优能力。     

基于SFLA-GA混合算法求解时间最优的旅行商问题

该文以经典的对称旅行商问题(Symmetric Traveling Salesman Problem, STSP)为基础,求解时间最优的旅行商问题(Time Optimal TSP, TOTSP),将拟合函数引入到混合蛙跳遗传算法(SFLA-GA)的适应度函数来反映景点客流量随时间的变化,旨在旅游旺季为游客提供一条游览时间最短的路径推送服务。实验结果表明:相对于随机游览路径,SFLA-GA混合算法得到的游览路径明显节省了游览时间;与SFLA和混合粒子群遗传算法(PSO-GA)相比较,SFLA-GA混合算法具有计算量少、收敛速度快、对初始种群依赖性低以及全局性更好等优点,在求解TOTSP上搜索性能更强、时间更优。     

改进混合蛙跳算法求解旅行商问题

以旅行商问题(TSP)为例,引入调整序思想设计了局部搜索策略,同时在全局信息交换过程中加入变异操作,提出一种改进混合蛙跳算法求解TSP问题.实验结果表明,与遗传算法和粒子群优化算法相比较,改进混合蛙跳算法在求解TSP问题上具有更好的搜索性能和顽健性.     

基于改进混合蛙跳算法的SVM分类算法

支持向量机的训练需要求解一个带约束的二次规划问题,但在数据规模很大情况下,经典训练方法将变得很困难。本文提出一种基于改进的混合蛙跳算法的SVM训练算法。针对混合蛙跳算法搜索速度慢且容易陷入局部极值的缺陷,将模拟退火思想引入到混合蛙跳算法中,提出一种改进的混合蛙跳算法。该算法保持了混合蛙跳算法参数少和容易实现的特点,同时通过模拟退火的降温过程来提高算法的进化速度和精度。实验结果表明,该算法能显著提高收敛速度,并能有效克服局部极值,在SVM训练中具有良好效果。     

基于改进的蛙跳算法的神经网络在语音情感识别中的研究

本文提出了一种改进的混合蛙跳算法,利用混沌运动的遍历性改善初始个体的质量和引入高斯变异,提高了算法的全局搜索能力,同时将改进算法与人工神经网络结合,并把它应用到语音情感识别系统中.依据情感的维度空间模型.分别提取了情感语音的韵律特征与音质特征,研究了谐波噪声比特征随情感类别的变化特性.利用本文所提的蛙跳算法(SFLA)训练随机产生的初始数据,优化神经网络的连接权值,能快速地实现网络的收敛.在实验中比较了BP神经网络、RBF神经网络与改进SFLA神经网络分别用于语音情感以别的识别性能,结果表明基于改进SFLA的神经网络的平均识别率高于BP神经网络9.2个百分点,高于RBF神经网络7.9个百分点.因此本文所提的蛙跳神经网络用于语音情感识别能获得明显的识别性能的提升.     

Multi-constraints QoS routing optimization based on improved immune clonal shuffled frog leaping algorithm

Aiming at the multi-constraint routing problem,a mathematical model was designed,and an improved immune clonal shuffled frog leaping algorithm (IICSFLA) was proposed,which combined immune operator with traditional SFLA.Under the constraints of bandwidth,delay,packet loss rate,delay jitter and energy cost,total energy cost from the source node to the terminal node was computed.The proposed algorithm was used to find an optimal route with minimum energy cost.In the simulation,the performance of IICSFLA with adaptive genetic algorithm and adaptive ant colony optimization algorithm was compared.Experimental results show that IICSFLA solves the problem of multi-constraints QoS unicast routing optimization.The proposed algorithm avoids local optimum and effectively reduces energy loss of data on the transmission path in comparison with adaptive genetic algorithm and adaptive ant colony optimization algorithm.     

改进混洗蛙跳算法的软硬件划分方法研究

本文将混洗蛙跳算法应用于软硬件划分,提出一种新型的软硬件划分方法。针对混洗蛙跳算法应用于离散型问题时普遍存在的种群更新过慢、算法寻优方向盲目等问题,本文采用随机步长来改进青蛙种群的迁移行为,采用子种群内进化与全局混洗进化相结合的策略改进盲目全局寻优的情况,并根据无效迭代次数来提前终止迭代以提高算法效率。在划分实验中,改进后的算法的平均最优解比原始算法减小了17.4%～73.3%,平均硬件面积比原始算法大对不同结点数的随机DAG图4.32%～5.81%,平均仿真执行时间只有原算法的42.7%～64.0%。改进后算法在寻优能力和收敛速度上均优于原始算法,可更高效地完成软硬件划分任务。      

基于混合蛙跳算法的移动机器人路径规划

针对移动机器人路径规划中算法搜索能力不强且易陷入停滞的问题,文中提出了一种基于混合蛙跳算法的移动机器人路径规划方法。首先利用蚁群算法在栅格地图中生成一定数量的路径,然后引入混合蛙跳算法,子群内进行Memetic进化,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格进行路径更新,并对最终生成的最优路径进行优化处理,以消除不必要的拐点,保证机器人路径运行的安全性。二维环境下的仿真实验表明,提出的混合蛙跳算法能在有效避开障碍物的同时快速地规划出一条通往目标点的优化路径,且效果令人满意。     

一种基于遗传算法的拓扑匹配存储方法

在名址分离网络中,身份和位置的映射问题非常重要。在对其映射关系存储方法深入分析的基础上,针对逻辑拓扑和物理拓扑不一致的问题,结合遗传算法,将拓扑匹配问题看成一个旅行商问题(TSP问题),并利用遗传算法寻找此问题的满意解,然后用此满意解构建Chord环,并对Chord环的邻居表进行修改改进从而对Chord环的路由跳数进行了优化。分析和仿真结果表明,该方法实现简单,对原始Chord模型改动不大,在平均路由跳数、时延方面都有明显的优势。     

基于烟花爆炸式混合蛙跳算法的LoRa网络参数分配策略

为了改善LoRa传输过程中的干扰冲突问题,提出了一种基于烟花爆炸式混合蛙跳算法的LoRa网络参数分配策略。首先,针对混合蛙跳算法存在易早熟、易陷入局部最优等不足,改变分配种群方式,同时引入反向学习、自适应烟花爆炸机制和高斯变异算子提高算法的搜索性能。其次,以最大化节点平均传输成功率为优化目标,并将接收灵敏度作为约束系数,保证信息能够被接收的前提下分配最佳参数。仿真结果表明,所提的分配策略优于其他分配方案,能显著降低节点碰撞概率,提高节点信息接收率。     

改进蛙跳算法的多中继协作系统最优功率分配

协作通信与直接通信相比能够显著地提高系统性能,功率分配是协作通信中的一个关键问题。为了获得合理的协作中继通信系统功率分配方案,提出一种基于改进蛙跳算法的多中继节点功率分配方法。首先对功率分配问题进行分析,将其转换为一个非线性优化问题,然后将青蛙表示为源节点,中继节点的功率,以平均信噪比作为青蛙的食物,并通过青蛙的信息交流和协作找到最优的功率分配方案,最后采用仿真对比实验对本文算法性能进行测试。仿真结果表明,相对于其它功率分配方法,改进蛙跳算法有效地提高了系统的信道容量,降低了中断概率,以较低的复杂度提高了系统的性能。     

基于蛙跳算法的模糊图像复原

为了提高模糊图像复原后的清晰度,提出蛙跳算法。将蛙群体分成若干个族群,每个族群包含若干只青蛙,每次进化只更新最差青蛙的位置。为防止解空间收缩,对最优个体进行高斯变异算子操作,同时设定阈值策略对蛙跳各维变量进行指导性更新。建立模糊图像复原模型,用蛙跳算法非线性映射特性建立模糊图像与复原的函数关系,使模糊图像复原的解最终收敛于泊松统计的最大似然解。建立了复原评价指标。仿真实验结果表明,与其他算法相比,蛙跳算法复原较清晰,改善百分比最大,同时耗时最少。     

基于可见光的自适应混合蛙跳定位算法

可见光通信具有绿色、节能、成本低等优点,比较适合应用于室内定位。提出一种基于可见光通信的自适应混合蛙跳室内定位算法,该算法通过到达时间(TOA)算法和最小二乘算法进行初始定位,得到未知定位点的估计位置解集,再利用自适应混合蛙跳算法搜索未知定位点的最优位置。该算法具有较强的全局搜索能力,不易陷入局部最优,能够得到较高精度的定位结果。仿真结果表明,该算法比传统TOA定位算法的定位误差小,说明该算法提高了室内定位的精度。     

基于免疫克隆选择算法的天线方向图综合技术研究

方向图综合技术是智能天线中的一项重要技术。由于采用遗传算法存在着易于早熟和局部寻优能力不足等缺点,为此,文中提出一种基于免疫克隆选择算法的阵列方向图综合技术。仿真结果验证了免疫克隆选择算法相对于标准遗传算法来说更容易找到全局最优解,不易陷入局部极值,且收敛速度快,实际应用表明,基于免疫克隆选择算法的方向图综合技术是切实可行的,且具有很好的推广潜力。