张文康，李佳玲

(1.江苏大学附属医院 信息科，江苏 镇江 212001；2.江苏大学 计算机科学与通信工程学院，江苏 镇江 212013)

0 引 言

混合蛙跳算法(SFLA)[1-2]是一种新型的群智能优化算法，它具有结构简单、易于实现、全局搜索能力强的特点，因此被广泛应用。但是，SFLA算法[3-11]和其他的群智能优化算法一样，在进化后期多样性降低，收敛速度慢，易于陷入局部最优。因此，国内外众多学者对其进行了大量的研究与改进。吕立霞等[12-13]将混沌优化策略加到SFLA中，提高了算法的收敛速度和精度。王俊等[14]在SFLA的基础上加入了讨论机制，并且根据迭代次数动态改变，增强了后期的种群多样性，减少了其陷入局部最优的概率。王娜等[15]前期根据差分进化的思想利用种群中的其他个体有用信息来更新最差个体；后期则利用最好个体来进行交叉变异，同时通过外部归档集来保留种群的多样性，这在一定程度上提高了算法的寻优能力。李俊等[16]则是将SFLA和多种群粒子群算法的优势互补，在多种群粒子群寻优的基础上，将各个子群中的最优粒子组合后运用蛙跳思想进行更新，这在一定程度上改善了算法的整体寻优性能。戴月明等[17]将子群中的平均个体引入到最差个体的更新中，另外让子群中的较差个体向邻近子群中的最优个体学习，再在全局迭代过程中采取精英群自学习机制。

以上算法虽然对SFLA有一定的改进，但并没有考虑到SFLA子群中的那些非最差个体和非最优个体的寻优能力。……