自适应分组混沌云模型蛙跳算法求解连续空间优化问题

针对经典混合蛙跳优化算法寻优精度不高和易陷入局部收敛区域的缺点, 结合云模型在定性与定量之间相互转换的优良特性, 提出一种自适应分组混沌云模型蛙跳算法. 通过反向学习机制初始化种群, 应用云模型算法对优秀子群组的收敛区域进行局部搜索更优位置, 应用混沌理论在收敛区域以外空间探索全局最优位置. 典型复杂函数测试表明, 所提出的算法能有效找出全局最优解, 适用于多峰值函数寻优.