黄世贤 何晓曦 刘一明

（成都信息工程大学软件工程学院 四川省成都市 610225）

基于对自然界一系列独特规律的发现，尤其是对自然界各种动物群体的行为进行研究，人们发现了各种仿生算法。这些仿生算法通用性强，原理简单，实现方便，最重要的是能有效解决各种传统方法不易解决的复杂的组合优化问题，它能通过多次迭代自我适应，学习和发展，最后得到一个复杂问题的最优解或非常靠近最优解。

群智能算法作为一种近些年开始兴起的演化计算机技术，备受许多研究者的关注，它通过个体与个体，个体与环境交互，遵从简单的规则，最终表征出全局上的智能性[1]。通过对自然界中鱼群，鸟群，细菌群，蚁群等的研究，蚁群算法，鱼群算法，粒子群算法等应运而生[2]。而基于对蛙群的研究，混合蛙跳算法SFLA (Shuラed Frog Leaping Algorithm) 于2003年由Eusuあ等[3,4]提出。该算法结合了模因算法MA (Memetic Algorithm)和粒子群优化PSO (Particle Swarm Optimization) 算法两者的优点，混合蛙跳算法是一种求解离散优化问题的元启发式算法。SFLA 是一个基于群体的合作搜索算法，该算法在局部搜索中是通过从一个个体感染另一个的形式，在概念上与粒子群算法相似。全局搜索中运用洗牌策略允许在局部搜索之间交换信息，以向全局最优移动。

1 混合蛙跳算法

1.1 基本原理

举一个例子：给定一片湿地，湿地中生活着一群青蛙，湿地里离散的分布着许多石头，湿地里每只青蛙都通过跳跃不同的石头去到食物较多的地方，每只青蛙个体直接进行信息交换，以最优秀的青蛙为基准，每只青蛙的位置都作为一个解。……