本文主要是介绍SFLA混合蛙跳算法的理解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
问题概念
蛙跳算法的思想是：在一片湿地中生活着一群青蛙。湿地内离散的分布着许多石头，青蛙通过寻找不同的石头进行跳跃去找到食物较多的地方。每只青蛙个体之间通过文化的交流实现信息的交换。每只青蛙都具有自己的文化。每只青蛙的文化被定义为问题的一个解。湿地的整个青蛙群体被分为不同的子群体，每个子群体有着自己的文化，执行局部搜索策略。在子群体中的每个个体有着自己的文化，并且影响着其他个体，也受其他个体的影响，并随着子群体的进化而进化。当子群体进化到一定阶段以后，各个子群体之间再进行思想的交流（全局信息交换）实现子群体间的混合运算，一直到所设置的条件满足为止。
步骤
声明：以下步骤都是引用C++ 遗传学SFLA混合蛙跳算法这个老哥的。
- 生成蛙群，每只蛙个体包括基因维数数组以及价值（适应度）
- 对青蛙划分等级。将青蛙按照性能的好坏依次排列，生成数组：记录最好青蛙pg，同时对其进行分组（将数组group分成为m个memeplex）
- 设定最大进化次数N，iN=0为进化次数变量，子群个数m，im=0为子群计数变量。在每个memeplex中Pb和Pw分别表示性能最好和最坏的青蛙，Pg表示整个种群中最好的青蛙。在每一轮的进化中，改善最坏青蛙Pw的位置。注意，并非对所有青蛙都优化。
- 调整最坏青蛙的位置，方法如下：
青蛙移动的距离 Di=rand()*(Pb-Pw)
新的位置 Pw=Pw（当前位置）+Di,（Dmax>=Di>=-Dmax）
其中rand()是0-1之间的随机数，Dmax是青蛙移动的最大距离。 - 如果上述过程能够使得青蛙有一个更好的位置，即能产生一个更好的解，那么就用新的位置青蛙取代原来的青蛙；否则，用Pg代替Pb，重复上述过程。
- 如果上述方法仍不能生成更好的青蛙，那么就随机生成一个新解取代原来最坏的青蛙Pw。
- 青蛙在memeplex之间跳跃。在每个memeplex中执行了一定的memetic进化之后，将各个子群合并到整体，再重新排序，并更新种群中最好的青蛙Pg
- 如果迭代终止条件满足，则停止；否则，继续迭代.一般情况下，当执行了一定次数的循环进化，代表最好解的青蛙的位置不再改变的时候，算法停止。
个人理解
步骤1，2都好理解，步骤3开始：
调整最坏青蛙的位置，方法如下：
青蛙移动的距离 Di=rand()*(Pb-Pw)
新的位置 Pw=Pw（当前位置）+Di,（Dmax>=Di>=-Dmax）
其中rand()是0-1之间的随机数，Dmax是青蛙移动的最大距离。
如果上述过程能够使得青蛙有一个更好的位置，即能产生一个更好的解，那么就用新的位置青蛙取代原来的青蛙；否则，用Pg代替Pb，重复上述过程
如果上述方法仍不能生成更好的青蛙，那么就随机生成一个新解取代原来最坏的青蛙Pw
这其实可以理解为，对最差的青蛙进行进化，以谁为目标呢，这个小组内最好的那只青蛙，如果能进步，那就是一只有进步的青蛙；如果不能进步，那就考虑给它换个目标，可能当前的目标有问题，发展的模板不对；如果还不能进步，那就是这只青蛙的问题，就换一只青蛙进行进化。
步骤4,5好理解就不说了。
参考文献
C++ 遗传学SFLA混合蛙跳算法
matlab代码
这篇关于SFLA混合蛙跳算法的理解的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
