论文研究带有高斯变异的混合蛙跳蝙蝠算法.pdf

为了解决基本蝙蝠算法（BA）局部深度搜索能力弱、寻优精度低及易陷入局部最优的问题，提出一种带有高斯变异的混合蛙跳蝙蝠算法（SFLBAWGM）用于求解复杂函数问题。利用混合蛙跳算法（SFLA）的更新方式对蝙蝠个体进行局部深度搜索，使得SFLBAWGM既保持了BA本就具有的较强的全局搜索能力及快速收敛能力，又增强了算法的局部深度搜索性能；且当算法满足变异条件时，对当前全局最优个体执行高斯变异操作，以增强个体跳出局部极值点的束缚能力。选取几个典型函数进行测试，结果显示，SFLBAWGM的优化性能有了显著提高，即具有较快的收敛速度、较高的寻优精度、收敛稳定性和收敛可靠性，验证了SFLBAWGM的有效性和优越性，并且在高维函数上的优势更为明显，适合工程应用中各种高维多极