第10卷第3期 智能系统学报 Vol.10 No.3 2015年6月 CAAI Transactions on Intelligent Systems Jun.2015 D0:10.3969/j.issn.1673-4785.201405070 网络出版地址：http://www.cnki.net/kcms/detail/23.1538.tp.20150611.0902.001.html 广义中心混合蛙跳算法 赵嘉，吕莉，樊棠怀 (南昌工程学院信息工程学院，江西南昌330099) 摘要：为解决标准混合蛙跳算法族群之间信息共享能力差的问题，加强族群内蛙的学习能力，利用各族群最优蛙 位置的平均中心，构造一个与各族群最优蛙都有关联的虚拟广义中心蛙，提出广义中心混合蛙跳算法。该算法在进 化过程中，首先蛙群最优蛙在原有位置及广义中心蛙的位置上进行“贪梦”选择，选择最好位置作为新的族群最优蛙 位置：其次将广义中心蛙的优势运用于蛙跳规则中，在标准混合蛙跳算法的蛙跳规则中加入族群最差蛙向广义中心 蛙学习的能力。将本文算法与不同维度下的标准混合蛙跳算法及新近提出的知名群智能算法进行比较，实验结果 表明，本文算法在解的精度、收敛速度及解的稳定性等方面具有更优的性能。 关键词：蛙跳算法；混合蛙跳算法；广义中心：蛙跳规则：群智能算法 中图分类号：TP301文献标志码：A文章编号：1673-4785(2015)03-0414-08 中文引用格式：赵嘉，吕莉，樊棠怀.广义中心混合蛙跳算法[J].智能系统学报，2015,10(3)：414-421. 英文引用格式：ZHAO Jia,LYU Li,FAN Tanghuai..Shuffled frog-leaping algorithm based on the general center[J].CAAI Trans- actions on Intelligent Systems,2015,10(3):414-421. Shuffled frog-leaping algorithm based on the general center ZHAO Jia,LYU Li,FAN Tanghuai (School of Information Engineering,Nanchang Institute of Technology,Nanchang 330099,China) Abstract:In this paper,a shuffled frog-leaping algorithm based on general center (GC-SFLA)is proposed to solve the problem of weak information sharing between memeplexes in the shuffled frog leaping algorithm(SFLA)to en- hance the learning ability and use the average center of optimal frog.The proposed GC-SFLA generates a virtual general center frog from the optimal frog of each memeplex.Firstly,the optimal frog selects the best location among the original location and general center greedily as new location of new memeplex.After that,the advantage of gen- eral center frog is applied to the frog-leaping rule,which enable the worst frog to learn from the general center frog. Experiments are conducted on a set of swarm intelligence algorithms to verify that the new approach outperforms SF- LA in different dimensions.The experiment results present promising performance of the GC-SFLA on convergence velocity,precision and stability of solution. Keywords:frog-leaping algorithm;shuffled frog leaping algorithm (SFLA);general center;frog leaping rule; swarm intelligence algorithms 混合蛙跳算法(shuffled frog leaping algorithm, SLA))是一种基于群体智能的亚启发式协同搜索 计算技术，最早由M.M.Eusuff和K.E.Lansey于 收稿日期：2014-06-03.网络出版日期：2015-06-11. 基金项目：国家自然科学基金资助项目(61261039,61263029)：江西 2000年提出。它结合了基于基因进化的模因演算 省自然科学基金资助项目(20132BAB211031):江西省科 法(memetic algorithm,MA)[2)和基于群体行为的粒 技厅科技支撑项目(20142BBC70034):南昌市科技计划项 目(2013HZCG006,2013HZCG011,2014HZZC008). 子群优化算法(particle swarm optimization,PSO)[) 通信作者：赵嘉.E-mail:zhaojia925@163.com.第 １０ 卷第 ３ 期 智 能 系 统 学 报 Ｖｏｌ．１０ №．３ ２０１５ 年 ６ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｊｕｎ． ２０１５ ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１４０５０７０ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ｔｐ．２０１５０６１１．０９０２．００１．ｈｔｍｌ 广义中心混合蛙跳算法 赵嘉，吕莉，樊棠怀 （南昌工程学院 信息工程学院，江西 南昌 ３３００９９） 摘 要：为解决标准混合蛙跳算法族群之间信息共享能力差的问题，加强族群内蛙的学习能力，利用各族群最优蛙 位置的平均中心，构造一个与各族群最优蛙都有关联的虚拟广义中心蛙，提出广义中心混合蛙跳算法。 该算法在进 化过程中，首先蛙群最优蛙在原有位置及广义中心蛙的位置上进行“贪婪”选择，选择最好位置作为新的族群最优蛙 位置；其次将广义中心蛙的优势运用于蛙跳规则中，在标准混合蛙跳算法的蛙跳规则中加入族群最差蛙向广义中心 蛙学习的能力。 将本文算法与不同维度下的标准混合蛙跳算法及新近提出的知名群智能算法进行比较，实验结果 表明，本文算法在解的精度、收敛速度及解的稳定性等方面具有更优的性能。 关键词：蛙跳算法；混合蛙跳算法；广义中心；蛙跳规则；群智能算法 中图分类号：ＴＰ３０１ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１５）０３⁃０４１４⁃０８ 中文引用格式：赵嘉，吕莉，樊棠怀． 广义中心混合蛙跳算法［Ｊ］． 智能系统学报， ２０１５， １０（３）： ４１４⁃４２１． 英文引用格式：ＺＨＡＯ Ｊｉａ， ＬＹＵ Ｌｉ， ＦＡＮ Ｔａｎｇｈｕａｉ． Ｓｈｕｆｆｌｅｄ ｆｒｏｇ⁃ｌｅａｐｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｔｈｅ ｇｅｎｅｒａｌ ｃｅｎｔｅｒ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓ⁃ ａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１５， １０（３）： ４１４⁃４２１． Ｓｈｕｆｆｌｅｄ ｆｒｏｇ⁃ｌｅａｐｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｔｈｅ ｇｅｎｅｒａｌ ｃｅｎｔｅｒ ＺＨＡＯ Ｊｉａ， ＬＹＵ Ｌｉ， ＦＡＮ Ｔａｎｇｈｕａｉ （Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｎａｎｃｈａｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｎａｎｃｈａｎｇ ３３００９９， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｉｓ ｐａｐｅｒ， ａ ｓｈｕｆｆｌｅｄ ｆｒｏｇ⁃ｌｅａｐｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｇｅｎｅｒａｌ ｃｅｎｔｅｒ （ＧＣ⁃ＳＦＬＡ） ｉｓ ｐｒｏｐｏｓｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｗｅａｋ ｉｎｆｏｒｍａｔｉｏｎ ｓｈａｒｉｎｇ ｂｅｔｗｅｅｎ ｍｅｍｅｐｌｅｘｅｓ ｉｎ ｔｈｅ ｓｈｕｆｆｌｅｄ ｆｒｏｇ ｌｅａｐｉｎｇ ａｌｇｏｒｉｔｈｍ （ＳＦＬＡ） ｔｏ ｅｎ⁃ ｈａｎｃｅ ｔｈｅ ｌｅａｒｎｉｎｇ ａｂｉｌｉｔｙ ａｎｄ ｕｓｅ ｔｈｅ ａｖｅｒａｇｅ ｃｅｎｔｅｒ ｏｆ ｏｐｔｉｍａｌ ｆｒｏｇ． Ｔｈｅ ｐｒｏｐｏｓｅｄ ＧＣ⁃ＳＦＬＡ ｇｅｎｅｒａｔｅｓ ａ ｖｉｒｔｕａｌ ｇｅｎｅｒａｌ ｃｅｎｔｅｒ ｆｒｏｇ ｆｒｏｍ ｔｈｅ ｏｐｔｉｍａｌ ｆｒｏｇ ｏｆ ｅａｃｈ ｍｅｍｅｐｌｅｘ． Ｆｉｒｓｔｌｙ， ｔｈｅ ｏｐｔｉｍａｌ ｆｒｏｇ ｓｅｌｅｃｔｓ ｔｈｅ ｂｅｓｔ ｌｏｃａｔｉｏｎ ａｍｏｎｇ ｔｈｅ ｏｒｉｇｉｎａｌ ｌｏｃａｔｉｏｎ ａｎｄ ｇｅｎｅｒａｌ ｃｅｎｔｅｒ ｇｒｅｅｄｉｌｙ ａｓ ｎｅｗ ｌｏｃａｔｉｏｎ ｏｆ ｎｅｗ ｍｅｍｅｐｌｅｘ． Ａｆｔｅｒ ｔｈａｔ， ｔｈｅ ａｄｖａｎｔａｇｅ ｏｆ ｇｅｎ⁃ ｅｒａｌ ｃｅｎｔｅｒ ｆｒｏｇ ｉｓ ａｐｐｌｉｅｄ ｔｏ ｔｈｅ ｆｒｏｇ⁃ｌｅａｐｉｎｇ ｒｕｌｅ， ｗｈｉｃｈ ｅｎａｂｌｅ ｔｈｅ ｗｏｒｓｔ ｆｒｏｇ ｔｏ ｌｅａｒｎ ｆｒｏｍ ｔｈｅ ｇｅｎｅｒａｌ ｃｅｎｔｅｒ ｆｒｏｇ． Ｅｘｐｅｒｉｍｅｎｔｓ ａｒｅ ｃｏｎｄｕｃｔｅｄ ｏｎ ａ ｓｅｔ ｏｆ ｓｗａｒｍ ｉｎｔｅｌｌｉｇｅｎｃｅ ａｌｇｏｒｉｔｈｍｓ ｔｏ ｖｅｒｉｆｙ ｔｈａｔ ｔｈｅ ｎｅｗ ａｐｐｒｏａｃｈ ｏｕｔｐｅｒｆｏｒｍｓ ＳＦ⁃ ＬＡ ｉｎ ｄｉｆｆｅｒｅｎｔ ｄｉｍｅｎｓｉｏｎｓ． Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｒｅｓｕｌｔｓ ｐｒｅｓｅｎｔ ｐｒｏｍｉｓｉｎｇ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ＧＣ⁃ＳＦＬＡ ｏｎ ｃｏｎｖｅｒｇｅｎｃｅ ｖｅｌｏｃｉｔｙ， ｐｒｅｃｉｓｉｏｎ ａｎｄ ｓｔａｂｉｌｉｔｙ ｏｆ ｓｏｌｕｔｉｏｎ． Ｋｅｙｗｏｒｄｓ： ｆｒｏｇ⁃ｌｅａｐｉｎｇ ａｌｇｏｒｉｔｈｍ； ｓｈｕｆｆｌｅｄ ｆｒｏｇ ｌｅａｐｉｎｇ ａｌｇｏｒｉｔｈｍ （ ＳＦＬＡ）； ｇｅｎｅｒａｌ ｃｅｎｔｅｒ； ｆｒｏｇ ｌｅａｐｉｎｇ ｒｕｌｅ； ｓｗａｒｍ ｉｎｔｅｌｌｉｇｅｎｃｅ ａｌｇｏｒｉｔｈｍｓ 收稿日期：２０１４⁃０６⁃０３． 网络出版日期：２０１５⁃０６⁃１１． 基金项目：国家自然科学基金资助项目（ ６１２６１０３９，６１２６３０２９）；江西 省自然科学基金资助项目（ ２０１３２ＢＡＢ２１１０３１）；江西省科 技厅科技支撑项目（２０１４２ＢＢＧ７００３４）；南昌市科技计划项 目（２０１３ＨＺＣＧ００６，２０１３ＨＺＣＧ０１１，２０１４ＨＺＺＣ００８）． 通信作者：赵嘉． Ｅ⁃ｍａｉｌ： ｚｈａｏｊｉａ９２５＠ １６３．ｃｏｍ． 混合蛙跳算法（ ｓｈｕｆｆｌｅｄ ｆｒｏｇ ｌｅａｐｉｎｇ ａｌｇｏｒｉｔｈｍ， ＳＦＬＡ） ［１］是一种基于群体智能的亚启发式协同搜索 计算技术，最早由 Ｍ． Ｍ． Ｅｕｓｕｆｆ 和 Ｋ． Ｅ． Ｌａｎｓｅｙ 于 ２０００ 年提出。 它结合了基于基因进化的模因演算 法（ｍｅｍｅｔｉｃ ａｌｇｏｒｉｔｈｍ， ＭＡ） ［２］和基于群体行为的粒 子群优化算法（ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ， ＰＳＯ） ［３］