论文部分内容阅读
混合蛙跳算法（SFLA）是一种全新的后启发式群体进化算法，具有高效的计算性能和优良的全局搜索能力。对混合蛙跳算法的基本原理进行了阐述，针对算法局部更新策略引起的更新操作前后个体空间位置变化较大，降低收敛速度这一问题，提出一种基于阈值选择策略的改进混合蛙跳算法。通过不满足阈值条件的个体分量不予更新的策略，减小了个体空间差异，从而改善了算法性能。数值实验证明了该改进算法的有效性，并对改进算法的阈值参数进行了率定。