科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对混合蛙跳算法（SFLA）青蛙个体当前位置提供的惯性以及跳跃步长引起的进化速度慢，易陷入局部收敛的缺陷，将青蛙个体跳跃进化行为定义为量子力学行为，提出一种核中心驱动混合蛙跳算法（NCSFLA）。在全局寻优中，以原子核为中心的同心圆作为电子轨道构成青蛙族群；在局部寻优中，分别以跃迁步长为半径向局部最优个体跳跃，以驱动步长为半径向全局最优个体跳跃，随机产生不重复的青蛙个体分量等三种不同的局部搜索策略对族群内最差个体进行更新。以电子轨道中心即局部最优个体为跃迁的惯性指导，使得族群内的收敛更加有利于寻找局部最优解，提升搜索能力；如果陷入局部最优，则以原子核中心即全局最优个体为驱动的惯性指导，使得青蛙个体尽可能聚集在原子核中心周围，从而加快收敛速度。将该算法应用于解决容量限制车辆路径问题（CVRP），提出一种核中心驱动混合蛙跳算法的容量限制车辆路径优化算法（NCSFLACVRP）。实验结果显示，在单峰值、多峰值函数以及复合函数等20个测试函数上，改进后的核中心驱动混合蛙跳算法相比其他五种算法具有收敛速度快、精度高的特点。Solomon算例标准测试数据测试结果表明该方法可有效提高容量限制车辆路径的优化性能。
- 单位
