求解非线性方程组的蛙跳和BFGS混合算法

doi:10.3969/j.issn.1006-2475.2013.12.003

计算机与现代化

求解非线性方程组的蛙跳和BFGS混合算法

潘学

广西民族大学教务处,广西南宁530006

收稿日期:2013-07-15 修回日期:1900-01-01 出版日期:2013-12-18 发布日期:2013-12-18

Shuffled Frog Leaping Algorithm Based on BFGS for Solving Systems of Nonlinear Functions

PAN Xue

Educational Administration Office, Guangxi University for Nationalities, Nanning 530006, China)

Received:2013-07-15 Revised:1900-01-01 Online:2013-12-18 Published:2013-12-18

摘要/Abstract

摘要： 混合蛙跳算法具有算法简单、控制参数少、易于实现等优点，但缺乏良好的局部细化搜索能力，使得求解精度不高。借鉴BFGS算法强的局部搜索能力，将BFGS算法与混合蛙跳算法有机融合，形成性能更优的混合优化算法，并用来求解非线性方程组。通过3个非线性方程组的实验表明，该混合算法收敛精度较高，收敛速度较快，是一种较好的求解非线性方程组的方法。


关键词: 非线性方程组, 蛙跳算法, BFGS算法, 混合算法

Abstract: Shuffled Frog Leaping Algorithm (SFLA) is characterized by simplicity, few control parameters required, and easily be used. However, SFLA would easily trap into local optimum and have a low convergent precision when being used to address complex problems. As the traditional numerical optimization method, BFGS is of good local optimum ability. In order to improve the performance of SFLA, a new algorithm called SFLA based on BFGS is proposed, which combines the advantages of the methods of BFGS and SFLA, is put forward to solve systems of nonlinear functions. The experiment results show that the proposed algorithm is of the advantages of robustness, higher precision and faster speed by test of three systems of nonlinear functions. It is a good algorithm for solving systems of nonlinear functions.


Key words: systems of nonlinear functions, shuffled frog leaping algorithm, BFGS algorithm, hybrid algorithm

潘学 . 求解非线性方程组的蛙跳和BFGS混合算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2013.12.003 .

PAN Xue . Shuffled Frog Leaping Algorithm Based on BFGS for Solving Systems of Nonlinear Functions[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2013.12.003 .

参考文献

［1］王冬冬,周永权. 人工鱼群算法在求解非线性方程组中的应用［J］. 计算机应用研究， 2007,24(6):242-244.
［2］陈海霞,杨铁贵. 基于极大熵差分进化混合算法求解非线性方程组［J］. 计算机应用研究， 2010,27(6):2028-2030.
［3］ Li D H, Fukushima M. A modified BFGS method and its global convergence in nonconvex minimization［J］. Journal of Computational and Applied Mathematics, 2001,129(1-2):15-35.
［4］付振岳,王顺芳,丁海燕,等. 并发遗传退火算法求解复杂非线性方程组［J］. 云南大学学报:自然科学版, 2012,34(1):15-19.
［5］刘利斌,欧阳艾嘉,许卫明,等. 求解非线性方程组的BFGS差分进化算法［J］. 计算机工程与应用, 2011,47(33):55-58.
［6］高雷阜,齐微. 改进的粒子群理论及在非线性方程组中的应用［J］. 计算机工程与应用, 2011,47(35):48-50,76.
［7］ Eusuff M M, Lansey K E. Optimization of water distribution network design using the shuffled forg leaping algorithm［J］. Journal of Water Resources Planning and Management, 2003,129(3):210-225.
［8］万博,卢昱,陈立云,等. 求解CVRP的改进混合蛙跳算法研究［J］. 计算机应用研究, 2011,28(12):4503-4506.
［9］陈铁梅,罗家祥,胡跃明. 基于蚁群-混合蛙跳算法的贴片机贴装顺序优化［J］. 控制理论与应用, 2011,28(12):1813-1820.
［10］丁卫平,王建东,管致锦. 基于量子蛙跳协同进化的粗糙属性快速约简［J］. 电子学报, 2011,39(11):2597-2603.
［11］赵鹏军. 基于差分扰动的混合蛙跳算法［J］. 计算机应用, 2010,30(10):2575-2577.
［12］何兵,车林仙,刘初升. 一种蛙跳和差分进化混合算法［J］. 计算机工程与应用, 2011,47(18):4-8.
［13］葛宇,王学平,梁静. 自适应混沌变异蛙跳算法［J］. 计算机应用研究， 2011,28(3):945-947.
［14］唐焕文,秦学志. 实用最优化方法［M］. 大连:大连理工大学出版社, 2006.
［15］Grosan C, Abraham A. A new approach for solving nonlinear equations systems［J］. IEEE Transactions on Systems, Man and Cybernetics-Part A, 2008,38(3):698-714.

[1]	周勇强, 朱跃龙. 基于SFLA-CNN和LSTM组合模型的水位预测[J]. 计算机与现代化, 2021, 0(04): 1-7.
[2]	朱洋洋. 混合花粉算法求解全局优化问题[J]. 计算机与现代化, 2019, 0(10): 48-.
[3]	谷全宇1，张梦婷2. 基于蛙跳粒子群的BP神经网络算法[J]. 计算机与现代化, 2015, 0(9): 57-59,65.
[4]	时培燕，缑林峰，郭江维，胥韦巍. 基于GA-SQP的航空发动机加速寻优控制[J]. 计算机与现代化, 2014, 0(1): 62-66.
[5]	罗芳琼. 基于混合优化的RBF神经网络模型研究[J]. 计算机与现代化, 2013, 1(7): 51-055.
[6]	张利民;石成英;王游. 金属裂纹图像锐化混合算法研究[J]. 计算机与现代化, 2013, 1(3): 172-174.
[7]	李艳芳;蒋秀凤. 基于离散粒子群和禁忌搜索的网格资源调度算法[J]. 计算机与现代化, 2011, 193(9): 26-29.
[8]	栾垚琛;盛建伦. 基于粒子群算法的混洗蛙跳算法[J]. 计算机与现代化, 2009, 1(11): 39-42.

求解非线性方程组的蛙跳和BFGS混合算法

Shuffled Frog Leaping Algorithm Based on BFGS for Solving Systems of Nonlinear Functions

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 8

编辑推荐

Metrics

本文评价