改进的混合蛙跳算法及其应用

改进的混合蛙跳算法及其应用

张潇丹;胡峰;赵力;邹采荣

【摘要】针对混合蛙跳算法(SFLA)后期搜索速度变慢,容易陷入局部极值的缺点,提出一种改进的混合蛙跳算法(ISFLA).借鉴分子动力学模拟思想,将正态云模型云滴的随机性和稳定倾向性特点应用于比例积分微分(PID)控制器的参数整定中.ISFLA将青蛙个体等效成分子,提出一种新的分子间作用力.利用Velocity-Verlet算法和正态云发生器代替SFLA的更新策略,平衡了搜索的高效性和种群的多样性.仿真结果表明:ISFLA提高了收敛精度、收敛速度、寻优时间、稳定性和后期跳出局部极值的能力,其全局寻优能力优于SFLA；基于ISFLA整定的PID控制器具有良好的鲁棒性、优良的抗干扰性和满意的闭环控制效果.%Aiming at the defects of the shuffled frog leaping algorithm (SFLA) such as slow searching speed and easily trapping into local extremum at anaphase, an improved shuffled frog leaping algorithm(ISFLA) is proposed here. The properties of randomness and stable tendency of the normal cloud theory are applied to the parameters tuning of a proportional integration differential (PID) controller using the ideas of molecular dynamics simulations for reference. The ISFLA equals the frog individual to molecular and proposes a new intermolecular force. The population diversity and search efficiency are balanced by using the Velocity-Verlet algorithm and normal cloud generator instead of the SFLA update strategy. The simulation results indicate that the ISFLA improves the convergence precision, the convergence speed, the optimization time, the stability and the capacity of out-of-local extremum at anaphase; the ISFLA-designed PID controller has

good robustness, strong anti-interference ability and satisfactory closed-loop control result.

【期刊名称】《南京理工大学学报（自然科学版）》

【年(卷),期】2012(036)006

【总页数】6页(P939-944)

【关键词】混合蛙跳算法;分子动力学模拟;云模型;比例积分微分;控制器

【作者】张潇丹;胡峰;赵力;邹采荣

【作者单位】东南大学水声信号处理教育部重点实验室,江苏南京210096;东南大学水声信号处理教育部重点实验室,江苏南京210096;东南大学水声信号处理教育部重点实验室,江苏南京210096;东南大学水声信号处理教育部重点实验室,江苏南京210096

【正文语种】中文

【中图分类】TP301

混合蛙跳算法(Shuffled frog leaping algorithm，SFLA)［1－3］是 2003 年由Eusuff和 Lansey 提出的一种基于群体智能的后启发式计算技术。全局信息交换和局部深度搜索的平衡策略使得SFLA能够跳出局部极值点，但是在进化后期算法容易陷入局部最优，对于多峰值函数寻优这种较复杂的问题，很难搜索到最优解，计算精度也不高。文献［4］提出基于阈值选择的策略，减小个体空间差异，改善算法性能;文献［5］在局部搜索策略中引入调整序思想，同时在全局信息交换中加入变异操作;文献［6］将基于SFLA的优化方法应用在人工神经网络的训练中，并

且基于神经网络进行了语音情感识别的研究。这些算法都不同程度地提高了算法的收敛速度和精度，但效果并不理想。

分子动力学(Molecular dynamics，MD)模拟是用来研究物质在原子尺度下物理性质的有效手段［7］，利用原子间的相互作用力计算并确定位形的转变，得出平衡体系随时间演变的规律。文献［8］利用MD方法研究了SiO2体系中Si、O原子电荷转移的问题，文献［9］利用MD方法和用于原子水平模拟研究的凝聚态优化的分子(Condensed－phase optimized molecular potential for atomistic simulation studies，COMPASS)力场对钝感高能炸药及其与氟橡胶所构成的高聚物粘结炸药进行不同温度下的周期性模拟。群体智能算法的本质就是最优个体随时间进化的规律，因此可以将MD的思想引入到最佳个体的迭代进化过程之中。在SFLA中，迭代后期的随机更新策略虽然保持了种群的多样性，但降低了算法收敛的速度。李德毅教授提出“隶属云与语言原子模型”的思想，并将其逐步完善形成了云理论［10］。云理论具有随机性和稳定倾向性的特点，随机性可以避免搜索陷入局部极值，而稳定倾向性又可以很好地定位全局最优值，因此文献［11］利用云模型产生遗传算法的交叉概率和变异概率;文献［12］利用云发生器代替遗传算法传统的交叉、变异算子，它们都取得了比传统算法更优的结果。

本文将种群中的个体等效成分子，将MD模拟引入到SFLA中，利用分子间的吸引力求解分子的牛顿运动方程，得到微观粒子的运动轨迹，同时为了保证种群的多样性和提高算法的搜索速度，利用基本正态云发生器取代传统的随机搜索策略，从而代替SFLA的原进化策略，构建出了一种改进的混合蛙跳算法(Improved shuffled frog leaping algorithm，ISFLA)。

1 改进的混合蛙跳算法

1.1 ISFLA基本原理

从SFLA的更新策略可以看出，最差个体实际上是在局部最优个体或者全局最优个