胥 枫，张桂珠，赵 芳，吴德龙

(江南大学物联网工程学院，江苏 无锡 214122)

1 概述

混合蛙跳算法(Shuffled Frog Leaping Algorithm，SFLA)是模拟青蛙觅食过程中群体信息共享和交流机制而产生的一种群智能算法，是一种全新的启发式群体智能进化算法。该算法由Eusuff 和Lansey 在2003 年首次提出，并成功解决了管道网络扩充中管道尺寸的最小化问题［1］。

混合蛙跳与其他群智能算法相比，具有概念简单、参数少、计算速度快、全局寻优能力强、易于实现等特点［2］，近年来已经被成功应用于多个领域。但混合蛙跳算法也存在着对初始值敏感、早熟收敛以及求解精度差等缺点［3］，为此许多学者对其进行改进，将该算法与其他群智能算法相结合以提高算法的性能，如与差分进化(Differential Evolution，DE)算法［4］、量子粒子群优化(Quantum-behaved Particle Swarm Optimization，OPSO)算 法［5］、模 拟 退 火(Simulated Annealing，SA)算法［6］等结合，都取得了不错的效果。混合蛙跳算法的性能改进已成为目前研究的热点问题。

粒子群优化(Particle Swarm Optimization，PSO)算法是1995 年由Kennedy 和Eberhart 提出的群智能算法［7］，是一种全局优化算法，能在较短的时间内求得高质量的解。文献［8］提出一种PSO 算法产生满足约束条件的初始解的方法，可用于各种算法初始解的产生。差分进化算法［9］最初由Store 和Price 于1995 年提出，该算法通过变异、杂交、选择操作来更新随机产生的初始种群，经过逐步迭代、不断进化，可实现全局最优解的搜索，具有较强的全局寻优能力，种群多样性好，但在算法的初期收敛速度较慢。

本文在借鉴前人研究成果的基础之上，提出一种自适应交替的差分混合蛙跳算法ADE-SFLA。……