送路徑問題.混合蛙跳算法(shuffled frog leaping algorithm,SFLA)最初由Eusuff 等提出并應(yīng)用于水資源網(wǎng)絡(luò)分配領(lǐng)域[9-11]，是一種受自然生物模仿啟示而產(chǎn)生的基于群體的協(xié)同搜索方法.算法模擬青蛙群體尋找食物時(shí)，按族群分類進(jìn)行思想傳遞的過程，將全局信息交換和局部深度搜索相結(jié)合，局部搜索使得思想在局部個(gè)體間傳遞，混合策略使得局部間的思想得到交換.在混合蛙跳算法中，群體(解集)由一群具有相同結(jié)構(gòu)的青蛙(解)組成.整個(gè)群體被

曾柯摘要：二級蛙跳是發(fā)展連續(xù)快速跳躍能力的一個(gè)有效的訓(xùn)練手段， 也是湖南體育高考的一項(xiàng)身體素質(zhì)測試內(nèi)容。1992、1993年湖南省體育專業(yè)生的一項(xiàng)素質(zhì)測試項(xiàng)目，其要求很高，男生跳5.8米的滿分，女生4.9米為滿分。據(jù)湖南省教育考試院的會(huì)議精神，2024年湖南省的體育高考把五米三項(xiàng)折回跑改為“兩級蛙跳”，標(biāo)準(zhǔn)比92、93年要高得多，男生6.2米、女生5.8米的滿分。它對考試的腿部力量、跳躍能力、協(xié)調(diào)性、身體姿勢、腰腹力量以及節(jié)奏感等都是一項(xiàng)極為嚴(yán)格的檢測。

健梅基于改進(jìn)混合蛙跳算法的船舶推力分配卞顯洋，肖健梅（上海海事大學(xué)物流工程學(xué)院，上海 201306）為了提高船舶動(dòng)力定位系統(tǒng)的定位精度，保障海上正常作業(yè)，本文提出了一種基于改進(jìn)混合蛙跳算法的船舶推力分配方法。建立了以船舶的推進(jìn)系統(tǒng)功率最小為目標(biāo)函數(shù)，其中目標(biāo)包括船舶推進(jìn)器的功率消耗，推進(jìn)器的磨損，推力的誤差。約束條件包括推進(jìn)器的推力和方向角正常工作大小以及其變化率的大小。針對傳統(tǒng)的混合蛙跳算法的初始化和更新規(guī)則進(jìn)行改進(jìn)。將改進(jìn)前后的混合蛙跳算法對船舶推力分

簡述及問題的提出蛙跳理論的產(chǎn)生，源于對世界各國經(jīng)濟(jì)增長問題的研究。以索洛為代表的新古典經(jīng)濟(jì)增長理論認(rèn)為，隨著發(fā)達(dá)國家資本積累增加，邊際收益遞減降低了投資收益率和投資意愿，導(dǎo)致經(jīng)濟(jì)增長放緩；而后發(fā)國家資本積累不足，資本邊際收益率較高從而能夠吸引外資，其經(jīng)濟(jì)增長高于發(fā)達(dá)國家，最終這兩類國家的收入差距將會(huì)趨于縮小,并收斂于共同的穩(wěn)態(tài)。然而實(shí)證發(fā)現(xiàn)這兩類國家的收入差距并沒有縮小，而且呈發(fā)散趨勢。對于以亞洲“四小龍”為代表的東亞國家或地區(qū)，經(jīng)濟(jì)實(shí)現(xiàn)了超常規(guī)發(fā)展，新古

型,并對基本混合蛙跳算法進(jìn)行了改進(jìn),提出了一種能夠有效實(shí)現(xiàn)城市垃圾回收的路線規(guī)劃方法;黃于欣等[7]針對多景點(diǎn)景區(qū)路徑規(guī)劃問題提出了一種改進(jìn)的蟻群算法,有效地避免了算法陷入局部最優(yōu),使得算法快速收斂;楊曉敏[8]通過對蟻群算法的參數(shù)調(diào)整和改進(jìn),成功實(shí)現(xiàn)了黃河金三角旅游路線的規(guī)劃;陳春朝等[9]針對蛙跳算法迭代速度慢的問題提出了改進(jìn)混合蛙跳算法,提高了算法的進(jìn)化速度和精度,并將其用于優(yōu)化人工勢場的參數(shù)以提高路徑規(guī)劃能力;Shiripour等[10]根據(jù)旅行人

。[4]三級連續(xù)蛙跳是由原地兩腳同時(shí)起跳同時(shí)落地、連續(xù)跳三次的跳躍動(dòng)作組成，集力量、爆發(fā)力、速度、協(xié)調(diào)性、靈敏、柔韌性和節(jié)奏于一身的高度綜合性運(yùn)動(dòng)項(xiàng)目，主要體現(xiàn)在一個(gè)“跳”字上，其肌肉工作性質(zhì)與跳深練習(xí)工作性質(zhì)相似，同屬典型的超等長動(dòng)作練習(xí)。肌肉力量是人體完成任何動(dòng)作的動(dòng)力來源，是重要身體素質(zhì)之一，力量訓(xùn)練是各項(xiàng)體能素質(zhì)訓(xùn)練的主要內(nèi)容之一。[1]要完成連續(xù)三次跳躍的動(dòng)作過程，身體體能素質(zhì)是基礎(chǔ)，技術(shù)是關(guān)鍵，下肢蹬跳的力量、速度、爆發(fā)力尤為重要，要求具備良好

可以捕捉豐富的“蛙跳”機(jī)會(huì)。需要記住的一點(diǎn)是，要讓自己的組合始終是最高質(zhì)量公司占最大權(quán)重。成長股“優(yōu)質(zhì)優(yōu)價(jià)”未來十年，互聯(lián)網(wǎng)、消費(fèi)、智能汽車機(jī)會(huì)多[優(yōu)質(zhì)成長股依然會(huì)享受到市場溢價(jià)，未來10年，中國互聯(lián)網(wǎng)和智能汽車領(lǐng)域會(huì)涌現(xiàn)大批科技巨頭，前者的聚焦點(diǎn)是創(chuàng)新迭代，后者的關(guān)注點(diǎn)是產(chǎn)業(yè)鏈技術(shù)壟斷類公司。] 《紅周刊》：今年以來成長股經(jīng)歷了殺估值過程，它們的估值溢價(jià)走到盡頭了嗎？劉璐：去年一年，很多公司的估值上漲得很快，最近出現(xiàn)了一些回調(diào)，我覺得這是健康的回調(diào)。比如

天要組織我們進(jìn)行蛙跳比賽！比賽開始，第一個(gè)同學(xué)跳出去了。起先他一臉的輕松，可到了后面，他的臉色越來越凝重，可以明顯地看出他在搖晃。一分鐘，兩分鐘，三分鐘……他終于跳回了起點(diǎn)。接著其他的同學(xué)一個(gè)一個(gè)都上場了……但無一幸免，都和第一個(gè)同學(xué)的情況差不多。終于輪到我了，我跳出了第一個(gè)，這不是挺簡單的嘛！當(dāng)我跳了七八個(gè)的時(shí)候，才清楚地感受到小腿的酸痛，接下來的每一次跳躍都讓我倍感吃力。我只好每跳一次，休息一會(huì)兒。終于跳到終點(diǎn)的時(shí)候，我的雙腿已經(jīng)不聽使喚了，毫無知覺，

如遺傳算法、混合蛙跳算法等，這些算法都有一個(gè)共同點(diǎn)就是通過模擬或揭示某些自然現(xiàn)象或者過程從而得到高速發(fā)展，這些算法都有其獨(dú)特的優(yōu)點(diǎn)和機(jī)制，引起了國內(nèi)外學(xué)者的廣泛重視，也因此掀起了一股研究優(yōu)化算法的熱潮，到目前為止這些算法已經(jīng)在廣泛的工程領(lǐng)域得到了應(yīng)用。圖1 遺傳算法流程圖1 遺傳算法遺傳算法（Genetic Algorithm，GA）是美國MIChigen 大學(xué)的Holland 教授[1]在受到達(dá)爾文進(jìn)化論啟發(fā)而創(chuàng)造的一種智能優(yōu)化算法，這個(gè)算法按照類似生物

，在合理時(shí)間內(nèi)，蛙跳算法在非連續(xù)的解空間條件下無法精準(zhǔn)計(jì)算出結(jié)果，故需要對蛙跳算法的求解方法進(jìn)一步改進(jìn)。3 改進(jìn)的蛙跳算法選用遺傳算法的更新策略來替代普通的蛙跳算法[4-5]的個(gè)體更新方式，該方法不但具有蛙跳算法的優(yōu)點(diǎn)，擁有了較高的搜索性能，而且也提升了在不同解空間下得到更好的解決方案的能力。改進(jìn)的蛙跳算法的概述如下：初始化蛙跳算法的閾值，設(shè)置相關(guān)的約束參數(shù)，包括背包的極限載重W 和極限容積V。在可行解空間下，初始化解決方案，利用隨機(jī)數(shù)生成器生成適宜數(shù)量的

測量任務(wù)，故采用蛙跳法實(shí)現(xiàn)大尺寸工件的測量。蛙跳測量的實(shí)質(zhì)即坐標(biāo)轉(zhuǎn)換，利用置于測量空間內(nèi)的公共基準(zhǔn)點(diǎn)的三維空間坐標(biāo)建立坐標(biāo)轉(zhuǎn)換矩陣，進(jìn)而得到坐標(biāo)轉(zhuǎn)換參數(shù)[9]。由于ACMM的開鏈結(jié)構(gòu)、誤差因素多、誤差傳遞系數(shù)較大[10]，而且工業(yè)現(xiàn)場手持式測量的特點(diǎn)，測量力、環(huán)境、自重等因素[11]，傳統(tǒng)的公共基準(zhǔn)點(diǎn)的蛙跳測量方法會(huì)存在較大誤差。王凌云[12]通過對轉(zhuǎn)換矩陣求解精度與蛙跳球位置關(guān)系的分析，給出了蛙跳球的最佳選位，并通過條件數(shù)和矩陣范數(shù)對坐標(biāo)轉(zhuǎn)換矩陣精度進(jìn)行

等[8]采用隨機(jī)蛙跳算法對建模波長進(jìn)行了篩選。因此，近紅外光譜技術(shù)用于定量分析煙草中綠原酸、蕓香苷、莨菪亭及總多酚具有較強(qiáng)的可行性。進(jìn)行近紅外定量分析時(shí)，波長選擇是十分必要的[9]。在增加建模樣本量的基礎(chǔ)上，本研究擬采用不同波長篩選算法：7500～4000 cm-1波長范圍[7]、隨機(jī)蛙跳算法[8](Random Frog)和間隔隨機(jī)蛙跳算法[10](Interval Random Frog)，基于模型內(nèi)部評價(jià)參數(shù)和外部驗(yàn)證結(jié)果，優(yōu)選出最佳的波長篩選算法，

121）1 三級蛙跳練習(xí)前的簡要教學(xué)分析在授課之前，作者對授課班級學(xué)生有了初步的了解，基本掌握每位學(xué)生的三級蛙跳成績。通過測試發(fā)現(xiàn)，所教的5個(gè)班級學(xué)生對三級蛙跳的練習(xí)都容易出現(xiàn)很多相同的問題，所以在解決這些問題前，本文先對學(xué)情、教學(xué)內(nèi)容及練習(xí)目的進(jìn)行分析。1.1 教學(xué)對象分析初中學(xué)生處在青春期的早期，各項(xiàng)身體素質(zhì)處在上升階段，尤其是力量素質(zhì)、靈敏性、協(xié)調(diào)性等素質(zhì)還需要不斷加強(qiáng)。由于初中學(xué)生活潑好動(dòng)，在三級蛙跳的學(xué)習(xí)中很容易出現(xiàn)注意力不集中、動(dòng)作技術(shù)不規(guī)范而

550025)蛙跳算法(Shuffled Frog Leading Algorithm)是一種啟發(fā)式算法，通過啟發(fā)式函數(shù)進(jìn)行啟發(fā)式搜索，從而找到組合最優(yōu)問題的解?；旌?span id="syggg00" class="hl">蛙跳算法的運(yùn)行原理從仿生上來說可以這么認(rèn)為[1]：在一個(gè)池塘，有若干塊石頭，青蛙可以落在石頭上，每塊石頭上可以獲取到的食物數(shù)量是不同的，在池塘中有很多只青蛙，也有很多塊石頭，青蛙間可以交流，這樣所有青蛙就都會(huì)往自己所在蛙群中所知道的最多食物的方向跳，或往全部青蛙中食物最多的方向跳，最終在池塘

蟻群算法[4]、蛙跳算法[5]、魚群算法[6]、螢火蟲算法[7]、布谷鳥算法[8]、粒子群算法[9]、細(xì)菌覓食算法[10]等;以模擬自然界規(guī)律的細(xì)胞膜優(yōu)化算法[11]、模擬退火算法[12]、量子進(jìn)化算法[13]等;以及模擬生物種群內(nèi)部演化規(guī)律的遺傳算法[14]、貪心算法[15]等。上述智能優(yōu)化算法各自的理論出發(fā)點(diǎn)均不相同,但算法設(shè)計(jì)存在共同點(diǎn):一是設(shè)計(jì)可動(dòng)態(tài)調(diào)整的智能體框架,結(jié)合具體問題的可行解建立一一對應(yīng)的映射關(guān)系,將問題求解轉(zhuǎn)化為向量空間中找最佳位置向

就叫我們?nèi)ヅ懿健?span id="syggg00" class="hl">蛙跳、倒立。一開始跑的時(shí)候，我感覺自己一定能遠(yuǎn)遠(yuǎn)領(lǐng)先在第一。教練剛宣布開始，我就像離弦的箭沖了出去，一下子就跑到了隊(duì)伍的最前面，而且還超過隊(duì)伍兩三圈。沒過一會(huì)，我便感覺自己喉嚨里像灌滿了凝膠一樣，難以呼吸。慢慢的，腿也像灌滿了鉛一樣，難以挪動(dòng)腳步。沒過一會(huì)，我便被隊(duì)伍反超，而且還落在后面一兩圈?？吹轿矣袣鉄o力，難以為繼，教練走過來：“跑啊，快跑啊，你剛開始不是很能跑的嗎？！”“跑？要是跑得動(dòng)，我還要你催，還要你在旁邊羅嗦……”心里是這樣想，

替代的意義。三級蛙跳是有一定遠(yuǎn)度要求的連續(xù)跳躍項(xiàng)目，集下肢爆發(fā)力、肌肉耐力、協(xié)調(diào)性、靈敏性于一體，非常符合初中生健康成長的需要。作為中考選項(xiàng)又是穩(wěn)定性最高的項(xiàng)目之一。“優(yōu)效教學(xué)”是指教師和學(xué)生用最少的時(shí)間、最少的精力取得最優(yōu)化的效果。優(yōu)效教學(xué)的理念主要包括：優(yōu)效教學(xué)關(guān)注學(xué)生發(fā)展的最優(yōu)化，要求教師不僅讓學(xué)生獲得更多的知識技能，還重視學(xué)生學(xué)習(xí)過程和方法，更關(guān)注學(xué)生學(xué)習(xí)過程的情感態(tài)度和價(jià)值觀的培養(yǎng)和提升，關(guān)注教學(xué)效益的最大化。一、研究的對象和方法1. 研究對象本

3 年提出了混合蛙跳算法（SFLA），該算法結(jié)合了粒子群算法和模因算法的特性，因此具有全局尋優(yōu)能力強(qiáng)，計(jì)算速度快等優(yōu)點(diǎn)。但算法在進(jìn)行局部搜索時(shí)，每次組內(nèi)迭代時(shí)個(gè)體都要重新根據(jù)初始蛙跳規(guī)則對最差個(gè)體進(jìn)行更新，因此這種更新存在不確定性，導(dǎo)致算法在對復(fù)雜函數(shù)進(jìn)行優(yōu)化求解時(shí)，易出現(xiàn)收斂速度慢、精度低等問題。文獻(xiàn)［3］采用一種新的搜索策略，根據(jù)個(gè)體的差異性自主選擇不同的位置更新方式，加快算法收斂速度，提高了種群的多樣性。文獻(xiàn)［4］為了加速算法收斂，避免陷入局部最優(yōu)，

替代的意義。三級蛙跳是有一定遠(yuǎn)度要求的連續(xù)跳躍項(xiàng)目，集下肢爆發(fā)力、肌肉耐力、協(xié)調(diào)性、靈敏性于一體，非常符合初中生健康成長的需要。作為中考選項(xiàng)又是穩(wěn)定性最高的項(xiàng)目之一?！皟?yōu)效教學(xué)”是指教師和學(xué)生用最少的時(shí)間、最少的精力取得最優(yōu)化的效果。優(yōu)效教學(xué)的理念主要包括：優(yōu)效教學(xué)關(guān)注學(xué)生發(fā)展的最優(yōu)化，要求教師不僅讓學(xué)生獲得更多的知識技能，還重視學(xué)生學(xué)習(xí)過程和方法，更關(guān)注學(xué)生學(xué)習(xí)過程的情感態(tài)度和價(jià)值觀的培養(yǎng)和提升，關(guān)注教學(xué)效益的最大化。一、研究的對象和方法1.研究對象本研

郭栩含蛙跳每次體育課，老師都會(huì)叫我們蛙跳。每次跳完蛙跳，饑餓度都會(huì)噌噌噌地上漲（zhǎng），肚子里好像有千百只青蛙在跳，翻江倒海。好在體育課上完了就可以吃午飯，我和我的同桌都快餓死了。打羽毛球那天晚上我和爸爸去打羽毛球，我是吃了晚飯的，打完羽毛球回來，我感覺肚子里空空的，又吃了一桶泡面，才不餓了。做作業(yè)每次我做完作業(yè)，就覺得腦子都被掏空了，因?yàn)槲覍?shí)在是太餓了，我能一口氣吃兩碗白米飯。我的饑餓度真是太低了?。ㄖ笇?dǎo)老師：向朝勤）小蕊插話：餓這個(gè)調(diào)皮的小精靈，

較大。目前，混合蛙跳算法可對模型全局進(jìn)行優(yōu)化求解，在水力學(xué)數(shù)學(xué)模型計(jì)算中應(yīng)用效果較好[6-10]，但是該算法在中小河流水力學(xué)模型流量求解中應(yīng)用研究還較少，特別是在遼寧西部地區(qū)，還未進(jìn)行相關(guān)應(yīng)用，為此本文將混合蛙跳算法用于遼寧西部中小河流水力學(xué)模型流量計(jì)算研究中。1 混合蛙跳算法原理本文采用一維水力學(xué)模型進(jìn)行中小河流流量推求，在進(jìn)行一維水力學(xué)模型求解時(shí)采用混合蛙跳算法進(jìn)行流量求解，本文主要介紹混合蛙跳算法的計(jì)算原理。混合蛙跳算法結(jié)合LHS方法對模型進(jìn)行全局優(yōu)

、人工蜂群、混合蛙跳等基于仿生學(xué)的人工智能優(yōu)化算法實(shí)現(xiàn)經(jīng)驗(yàn)?zāi)Ｐ偷闹悄軆?yōu)化定線。其中混合蛙跳算法（SFLA）是一種模擬青蛙覓食行為的智能優(yōu)化算法，具有參數(shù)少，魯棒性強(qiáng)，簡單易理解等特點(diǎn)，但目前還未引入到洪水經(jīng)驗(yàn)?zāi)Ｐ蛥?shù)優(yōu)化方面，因此針對混合蛙跳定線進(jìn)行研究。1 API 模型結(jié)構(gòu)和相關(guān)線型1.1 模型結(jié)構(gòu)以前期影響雨量Pa表示土壤干濕程度的指標(biāo)，以K代表土壤含水量的日消退系數(shù)，則式中：Pa,t為t日上午 8 時(shí)的前期影響雨量；Pa值以土壤最大缺水量Imax作為

在整車測量使用“蛙跳”點(diǎn)坐標(biāo)轉(zhuǎn)移的理論分析，對“蛙跳”點(diǎn)的功能進(jìn)行研究并優(yōu)化，擴(kuò)大便攜式關(guān)節(jié)臂三坐標(biāo)測量機(jī)在整車檢證中的應(yīng)用，達(dá)到優(yōu)化整車檢證的目的。1 整車坐標(biāo)系的建立整車坐標(biāo)系是整車上每個(gè)構(gòu)成零件唯一坐標(biāo)系，如圖1：圖1 整車坐標(biāo)系示意圖由于零件均在整車坐標(biāo)系下，確認(rèn)實(shí)物零件精度是否在設(shè)計(jì)公差內(nèi)時(shí)，可以以三坐標(biāo)在整車坐標(biāo)系下對該零件進(jìn)行尺寸測量。三坐標(biāo)測量機(jī)自身有坐標(biāo)系，三坐標(biāo)測頭在每個(gè)位置所測量的坐標(biāo)值均以初始坐標(biāo)原點(diǎn)為坐標(biāo)系，通過運(yùn)算計(jì)算出側(cè)頭位置

080)1 引言蛙跳算法SFLA(Shuffled Frog Leaping Algorithm)是由Muzaffar和Kevin在2003年提出的，他們通過模擬青蛙種群的自然覓食過程設(shè)計(jì)出的一種群智能優(yōu)化算法，并將其成功運(yùn)用于地下水資源管理問題[1]。混合蛙跳算法是一種基于群體協(xié)同搜索的算法，它融合了模因算法MA(Memetic Algorithm)和微粒群算法PSO(Partical Swarm Optimization)的優(yōu)點(diǎn)，將基因進(jìn)化和種群進(jìn)化有

原題：中國經(jīng)濟(jì)“蛙跳”到何時(shí)　“蛙跳”一詞，除了本意外，還被用來形容技術(shù)和經(jīng)濟(jì)跨越了階段的發(fā)展過程，一步到位的現(xiàn)象。例如在新興市場國家，在固定電話尚未普及的時(shí)候，直接跨越進(jìn)了智能手機(jī)普及的階段。多次實(shí)現(xiàn)“蛙跳型”發(fā)展的國家是中國。通過智能手機(jī)付款的移動(dòng)支付得以普及，中國正在迅速向無現(xiàn)金社會(huì)靠近?，F(xiàn)在甚至又開始構(gòu)筑無需智能手機(jī)的支付機(jī)制。中國的阿里巴巴集團(tuán)于2017年12月公開進(jìn)行了人工智能（AI）刷臉乘車實(shí)驗(yàn)。利用語音識別和臉部識別，實(shí)現(xiàn)了無現(xiàn)金乘車。如今

忠明【摘要】三級蛙跳作為廣東省廣州市初中畢業(yè)生升學(xué)體育考試選考項(xiàng)目之一，越來越受到一線教師的重視。雖然該項(xiàng)目對與男性考生來說得分比較容易，但是要想得高分甚至滿分難度還是比較大。通過問卷調(diào)查，文獻(xiàn)資料和數(shù)據(jù)統(tǒng)計(jì)等方法，對我校鷺江校區(qū)初二年級男生的三級蛙跳成績進(jìn)行調(diào)查與分析。結(jié)果發(fā)現(xiàn)：影響我校初二年級三級蛙跳成績不理想的主要原因是學(xué)生自身力量較差、協(xié)調(diào)用力能力較差、手臂的擺動(dòng)作用較差、能量的轉(zhuǎn)換意識較差及存在錯(cuò)誤的技術(shù)動(dòng)作等因素。本文對調(diào)查中反映出來的這此問題

于討論機(jī)制的混合蛙跳算法?王俊徐建中徐雷（南京理工大學(xué)南京210094）針對混合蛙跳算法易陷入局部最優(yōu)的情況，提出一種基于討論機(jī)制的混合蛙跳算法。改進(jìn)算法在原混合蛙跳算法基礎(chǔ)上加入了討論機(jī)制，并根據(jù)迭代次數(shù)動(dòng)態(tài)調(diào)整討論次數(shù)，增加算法后期變異性，避免陷入局部最優(yōu)。論文選擇了3個(gè)常用的測試函數(shù)進(jìn)行測試，與基本蛙跳算法比較，在計(jì)算精度和求解成功率上均有很大的提高?；旌?span id="syggg00" class="hl">蛙跳算法；討論機(jī)制；動(dòng)態(tài)調(diào)整；計(jì)算精度；成功率Class NumberTP301.61引言混合蛙

4）大學(xué)女生三級蛙跳現(xiàn)狀分析與建議□黃正軍（蘇州工藝美術(shù)職業(yè)技術(shù)學(xué)院江蘇蘇州215104）本文運(yùn)用文獻(xiàn)資料法、專家訪談法、觀測法、經(jīng)驗(yàn)總結(jié)法、數(shù)理統(tǒng)計(jì)法等，以隨機(jī)抽取的蘇州工藝美術(shù)職業(yè)技術(shù)學(xué)院2015級的66名女生為研究對象，通過測量可能與她們?nèi)壧煽兿嚓P(guān)的一系列數(shù)據(jù)，如：身高、體重、立定跳遠(yuǎn)成績、連續(xù)三次立定跳遠(yuǎn)成績和三級蛙跳成績等，經(jīng)過數(shù)據(jù)的分析、對比，結(jié)合教學(xué)實(shí)踐經(jīng)驗(yàn)和專家訪談的所得，整理出影響江蘇高校女生三級蛙跳成績的系列因素，找出各因素之間的相

體雙向更新的混合蛙跳算法龐凱立，梁昔明(北京建筑大學(xué) 理學(xué)院，北京 100044)針對基本蛙跳算法在處理復(fù)雜函數(shù)優(yōu)化問題時(shí)求解精度低且易陷入局部最優(yōu)的缺點(diǎn)，將共軛梯度法引入基本蛙跳算法，對排名靠前的p個(gè)模因組中的精英個(gè)體和排名靠后的q個(gè)模因組中的落后個(gè)體同時(shí)使用共軛梯度法進(jìn)行更新，一方面增強(qiáng)對較差青蛙的指導(dǎo)能力，另一方面使最差的青蛙直接更新，提高了算法的收斂精度. 所得混合蛙跳算法有效結(jié)合了基本蛙跳算法較強(qiáng)的全局搜索能力和共軛梯度法快速精確的局部搜索能力.

。老師讓我們先從蛙跳練起。蛙跳的動(dòng)作看上去非常簡單，就是深蹲向前跳。我自信滿滿地弓著腰在起點(diǎn)做準(zhǔn)備，老師大手一揮，我們一個(gè)個(gè)就活蹦亂跳地火速前進(jìn)。剛跳到一半，我就感覺腿有點(diǎn)酸了。看著近在咫尺的終點(diǎn)，我咬咬牙，堅(jiān)持往前跳。終于，還剩不到五米的距離，可我卻跳不起來了——我不得不用手撐住大腿，用盡全身力氣一點(diǎn)點(diǎn)往前跳。一步、兩步……跳到終點(diǎn)時(shí)，我一屁股坐在地上，累得氣喘吁吁，動(dòng)彈不得。第二天，只要我一抬腿，都疼得直吸氣。盡管如此，在接下來的一段時(shí)間里，我還是繼續(xù)

3003)?和聲蛙跳算法在復(fù)雜優(yōu)化問題中的應(yīng)用研究肖文顯*， 王俊閣， 馬孝琴(河南科技學(xué)院 網(wǎng)絡(luò)中心， 河南 新鄉(xiāng) 453003)和聲搜索算法在求解復(fù)雜優(yōu)化問題時(shí)，僅僅通過隨機(jī)的方式產(chǎn)生新元素，搜索過程中新個(gè)體的有效性難以持續(xù)保證，影響算法的優(yōu)化性能.針對該問題，將混合蛙跳算法的族群內(nèi)部局部尋優(yōu)模塊嵌入和聲搜索的算法框架中，將和聲搜索算法的隨機(jī)性與混合蛙跳算法的導(dǎo)向性相耦合.定義算法自適應(yīng)調(diào)整參數(shù)并以此為基礎(chǔ)對兩種算法進(jìn)行動(dòng)態(tài)調(diào)用，從而實(shí)現(xiàn)兩種算法的耦合

侯慶偉?基于混合蛙跳算法的船舶電力系統(tǒng)勵(lì)磁控制楊薪冉，楊 鳴，侯慶偉（上海海事大學(xué)，上海 201306）隨著船舶日益大型化和復(fù)雜化，電力系統(tǒng)控制日趨復(fù)雜，對船舶電力系統(tǒng)的穩(wěn)定性和自動(dòng)化有了更高的要求。本文以船舶發(fā)電機(jī)為控制對象，首先利用simulink對船舶發(fā)電機(jī)勵(lì)磁控制系統(tǒng)進(jìn)行建模，然后利用混合蛙跳算法(shuffled frog leaping algorithm, SFLA)、權(quán)重改進(jìn)蛙跳算法(weight improved shuffled fro

306)基于改進(jìn)蛙跳算法的WSNs路由協(xié)議*吳 清， 吳開軍(上海海洋大學(xué) 信息學(xué)院，上海 201306)在分析已有的各類分簇方法后，提出了一種改進(jìn)蛙跳算法的無線傳感器網(wǎng)絡(luò)(WSNs)路由協(xié)議。將模擬退火(SA)算法的Metropolis判別準(zhǔn)則引入到蛙跳算法中，改進(jìn)蛙跳算法的局部搜索能力。該協(xié)議結(jié)合傳感器節(jié)點(diǎn)本身剩余能量和位置建立適應(yīng)度函數(shù)，通過改進(jìn)蛙跳算法實(shí)現(xiàn)適應(yīng)度函數(shù)的最優(yōu)求解，從而獲得合適的分簇，并在簇頭節(jié)點(diǎn)數(shù)據(jù)傳輸時(shí)采用新的路由方式。仿真實(shí)驗(yàn)表明

要】通過對傳統(tǒng)的蛙跳算法分析得出其收斂速度有待提升，并且較易出現(xiàn)局部最優(yōu)的情況，通過改進(jìn)得到新的算法，并將新算法結(jié)合實(shí)際問題進(jìn)行應(yīng)用，并取得了好的效果.【關(guān)鍵詞】結(jié)合；實(shí)際一、 蛙跳算法內(nèi)容蛙跳算法作為新式的模仿生物結(jié)構(gòu)以及功能原理而形成的現(xiàn)代啟發(fā)式算法，蛙跳算法是一種嶄新的后啟發(fā)式群體演化算法，它的計(jì)算能力以及搜尋能力都非常的強(qiáng).蛙跳算法是為了用來解決組合優(yōu)化而產(chǎn)生的一種智能算法.蛙跳算法綜合了智能算法：模因演算法和粒子群算法的優(yōu)點(diǎn).蛙跳算法的優(yōu)點(diǎn)有：內(nèi)

采用每周三次進(jìn)行蛙跳訓(xùn)練：實(shí)驗(yàn)組分成兩隊(duì)，20組，每組5跳，5跳之后轉(zhuǎn)身放松慢走回來到邊上起點(diǎn)，然后開始第二組，以此類推。對照組沒有進(jìn)行蛙跳訓(xùn)練，只是有時(shí)候在訓(xùn)練課后進(jìn)行加速跑訓(xùn)練，實(shí)驗(yàn)時(shí)間二個(gè)月共8周。在實(shí)驗(yàn)期后進(jìn)行200米短跑測試和立定跳遠(yuǎn)測試，而后得到的數(shù)據(jù)用excel軟件進(jìn)行管理。1.2.3數(shù)據(jù)統(tǒng)計(jì)法。將所收集的相關(guān)數(shù)據(jù)信息運(yùn)用spss對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行歸納和統(tǒng)計(jì)。2.結(jié)果與討論2.1實(shí)驗(yàn)結(jié)果：進(jìn)行2個(gè)月的蛙跳訓(xùn)練后，實(shí)驗(yàn)組在200米短跑成績中實(shí)驗(yàn)后比

黃玉英淺談蛙跳練習(xí)對提高中學(xué)生短跑成績的影響黃玉英1.研究對象與方法1.1研究對象：研究對象為威海實(shí)驗(yàn)中學(xué)初一二班、初二四班、初三二班，以隨機(jī)抽樣方式抽取男生24人、女生14人共38人，年齡平均為16歲，將其分成兩組。1.2研究方法1.2.1文獻(xiàn)資料法。通過中國知網(wǎng)和中國期刊等電子資源，查閱相關(guān)領(lǐng)域的資料，整理了大量文獻(xiàn)資料20余篇，獲取相關(guān)的文獻(xiàn)信息的基礎(chǔ)上，對所研究內(nèi)容進(jìn)行分析和整理，為研究設(shè)計(jì)提供全面系統(tǒng)參考。1.2.2教學(xué)實(shí)驗(yàn)對照法。以隨機(jī)抽樣方式

10038）混合蛙跳算法神經(jīng)網(wǎng)絡(luò)在諧波檢測中的應(yīng)用張宏亮，顧文燦，李增，魏斌，黃雷（空軍工程大學(xué)航空航天工程學(xué)院，西安710038）BP神經(jīng)網(wǎng)絡(luò)；混合蛙跳算法；諧波檢測0　引言神經(jīng)網(wǎng)絡(luò)檢測算法因其具有計(jì)算量小、檢測精度高、實(shí)時(shí)性好、魯棒性高的優(yōu)點(diǎn)被廣泛應(yīng)用于電力系統(tǒng)的諧波檢測。其中又以BP神經(jīng)網(wǎng)應(yīng)用最為廣泛。但被廣泛采用的BP神經(jīng)網(wǎng)絡(luò)存在諸如收斂時(shí)間長、易陷入局部最小值、對非線性問題優(yōu)化求解困難的缺點(diǎn)。為解決BP神經(jīng)網(wǎng)絡(luò)上述缺點(diǎn)，文獻(xiàn)［7］提出用遺傳算法優(yōu)

］.針對基本混洗蛙跳算法(SFLA)收斂速度慢、優(yōu)化精度低且易于陷入局部最優(yōu)的問題，對其進(jìn)行多項(xiàng)改進(jìn).采用隨機(jī)分組策略，平衡各子群的尋優(yōu)能力，保持種群多樣性;打破最差蛙只向最優(yōu)蛙學(xué)習(xí)的模式，引入Minkowski距離，使最差蛙借助更多同伴信息選擇進(jìn)化方向，增強(qiáng)種群適應(yīng)性;針對最優(yōu)蛙進(jìn)化機(jī)會(huì)少，引入精英策略和變異思想更新其位置，避免陷入局部極小，加快收斂速度，最后選取合適的目標(biāo)函數(shù)，將改進(jìn)前后混洗蛙跳算法(ISFLA)用于冷軋液壓伺服位置(APC)系統(tǒng)的PI

750021）蛙跳螢火蟲算法及其在無線電頻譜分配中的應(yīng)用*李衛(wèi)軍 （北方民族大學(xué)網(wǎng)絡(luò)信息技術(shù)中心，寧夏 銀川 750021）螢火蟲算法是一種生物群智能的隨機(jī)優(yōu)化算法，該算法通過模擬螢火蟲在覓食、擇偶中產(chǎn)生熒光而相互吸引、移動(dòng)、合作等行為來解決最優(yōu)化問題。雖然該算法具有設(shè)置參數(shù)少、原理簡單、更新公式清晰等優(yōu)點(diǎn)，但是存在著種群過早收斂到局部最優(yōu)解或者種群收斂速度慢等問題。為此本文提出蛙跳螢火蟲算法。該算法利用蛙跳的分群思想來優(yōu)化螢火蟲算法。利用蛙跳算法對種群

)?基于量子免疫蛙跳算法的圖像增強(qiáng)研究周 原*,張韌志(黃淮學(xué)院 信息工程學(xué)院，河南 駐馬店 463000)針對圖像增強(qiáng)的特點(diǎn)，提出量子免疫蛙跳算法。該算法按適應(yīng)度大小排序的青蛙個(gè)體進(jìn)行量子編碼，同時(shí)蛙跳移動(dòng)離散化；通過動(dòng)態(tài)調(diào)整量子蛙跳旋轉(zhuǎn)門實(shí)現(xiàn)量子染色體中所有的量子比特都朝著與最優(yōu)解對應(yīng)的量子比特基態(tài)動(dòng)態(tài)優(yōu)化偏轉(zhuǎn)；采用Hadamard門對量子位變異，基于陰性選擇算法對蛙跳免疫進(jìn)行像素匹配，并給出了圖像增強(qiáng)過程。實(shí)驗(yàn)仿真表明，本文算法對圖像增強(qiáng)效果的輪廓和

的收斂速度?；旌?span id="syggg00" class="hl">蛙跳算法(Shuffled Frog Leaping Algorithm，SFLA)由Eusuf 和Lansey 為解決組合優(yōu)化問題于2003年提出［11］。作為一種新型的智能仿生優(yōu)化算法，其結(jié)合了具有較強(qiáng)局部搜索能力的模因演算法(Memetic Algorithm，MA)和具有良好全局搜索性能的粒子群算法(Particle Swarm Algorithm，PSO)的特點(diǎn)，因此其搜索尋優(yōu)能力強(qiáng)，且具有概念簡單、參數(shù)調(diào)整少、易于實(shí)現(xiàn)等優(yōu)點(diǎn)。本

一。近年來，混合蛙跳算法（SFLA）得到廣泛關(guān)注，該算法結(jié)合了模因演算法（MA）和粒子群優(yōu)化（PSO）算法的優(yōu)點(diǎn)，具有高效的計(jì)算能力和優(yōu)良的全局搜索能力。文獻(xiàn)［2］提出了一種改進(jìn)蛙跳算法運(yùn)用在無線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)布局方法;文獻(xiàn)［3］提出一種遺傳蛙跳混合算法。但是，由于蛙跳算法本身所具有的“早熟性”，在求解多維空間解集時(shí)容易陷入局部搜索，難以算出全局最優(yōu)解。針對上述問題，本文結(jié)合虛擬力（virtual force）算法，該算法是通過建立節(jié)點(diǎn)和監(jiān)測區(qū)域的物理模

立擺系統(tǒng)來對利用蛙跳算法進(jìn)行LQR優(yōu)化控制的效果進(jìn)行驗(yàn)證[2]。1 單級倒立擺系統(tǒng)數(shù)學(xué)模型的建立假設(shè)線性時(shí)不變系統(tǒng)的狀態(tài)方程模型為可以引入最優(yōu)控制的性能指標(biāo)，既設(shè)計(jì)一個(gè)輸入量u，使得式(1)最小。(1)式中：Q和R分別為狀態(tài)變量和輸入變量的加權(quán)矩陣，tf為控制作用的終止時(shí)間。矩陣S對控制系統(tǒng)的終值給出某種約束，這樣的控制問題稱為線性二次型最優(yōu)控制問題[3]。對于倒立擺系統(tǒng)來說，如果忽略了空氣阻力和各種摩擦之后, 可將直線一級倒立擺系統(tǒng)抽象成沿著光滑導(dǎo)軌運(yùn)動(dòng)

的準(zhǔn)備時(shí)間。2.蛙跳測量過程待測工件為拌和機(jī)轉(zhuǎn)子，待測量的關(guān)鍵尺寸為:兩止口距離 2 232－0.5－1.0mm、兩止口軸線同軸度φ0.15 mm(見圖1)。由于測量范圍的限制，無法一次測量兩端面的內(nèi)壁和止口，需要采用蛙跳的方法測量。圖 1(1)準(zhǔn)備工作。固定好工件和關(guān)節(jié)臂測量機(jī)，在屏幕上輸入相關(guān)信息 (見圖2)。放置蛙跳測量基準(zhǔn) (見圖3)。(2)同軸度的測量常用公共軸線法，一般在待測量孔測出一系列的截面，對這一系列截面中心形成的軸線與公共軸線進(jìn)行比較，

文提出一種變權(quán)重蛙跳算法[5]VWFLA（weighted and shuffled frog leaping algorithm）解決PMU 優(yōu)化配置問題。該方法以PMU 配置數(shù)目最小為目標(biāo)函數(shù)，以電力系統(tǒng)可觀測為約束條件，設(shè)計(jì)了算法的適應(yīng)度函數(shù)，結(jié)合混合蛙跳算法的蛙體跳躍進(jìn)化方式，并改進(jìn)權(quán)重系數(shù)的更新策略，進(jìn)一步提高了收斂效果和最優(yōu)解集多樣性。最后通過對各方案進(jìn)行冗余度分析得出最優(yōu)方案。1 PMU 優(yōu)化配置問題的數(shù)學(xué)模型1.1 PMU 測量規(guī)則電力系統(tǒng)

能優(yōu)化算法—混合蛙跳算法(Shuffled Frog Leaping Algorithm，SFLA)。SFLA是一種受自然生物啟示而產(chǎn)生的基于群體協(xié)同搜索的優(yōu)化方法，具有概念簡單、參數(shù)少、計(jì)算速度快、易于實(shí)現(xiàn)等優(yōu)點(diǎn)。目前，SFLA已被成功運(yùn)用到解決貼片機(jī)貼裝順序優(yōu)化問題、組合優(yōu)化和數(shù)值優(yōu)化等領(lǐng)域［8-9］。隨著研究的深入，學(xué)者們發(fā)現(xiàn)，與其他群智能優(yōu)化算法一樣，蛙跳算法也存在早熟收斂和求解精度不夠高的缺點(diǎn)［10］。為了提高蛙跳算法的優(yōu)化性能，學(xué)者們提出了很多

［4～6］?；旌?span id="syggg00" class="hl">蛙跳算法作為智能算法的一種優(yōu)化算法，是2000年由Eusuff和Lanse通過類比青蛙的覓食行為與優(yōu)化問題求解的相似性而提出了一種新的基于全局協(xié)同搜索的智能優(yōu)化方法。由于具有概念簡單、參數(shù)少、求解快速等諸多優(yōu)點(diǎn)已被應(yīng)用于許多自然科學(xué)與工程科學(xué)領(lǐng)域，顯示出強(qiáng)大的優(yōu)勢和潛力。對求解實(shí)優(yōu)化問題，大量實(shí)驗(yàn)已證實(shí)，混合蛙跳算法較遺傳算法收斂速度快、效率高。鑒于此，本文在文獻(xiàn)［7］討論改進(jìn)混合蛙跳算法的基礎(chǔ)上，提出了一種新的改進(jìn)混合蛙跳的聚類算法，對算

)0 引 言混合蛙跳算法(shuffled frog leaping algorithm，SFLA)是2000年由Eusuf和Lansey受青蛙群體覓食的行為啟發(fā)，并總結(jié)其規(guī)律而提出的一種基于群體智能的后啟發(fā)式仿生算法[1]。該算法將全局信息交換和局部深度搜索相結(jié)合，通過局部搜索使得信息能在局部個(gè)體間傳遞，其采用的混合策略能使得局部信息在全局范圍內(nèi)得以傳遞[2]。1 背包問題背包問題(knapsack problem)是一種組合優(yōu)化的NP完全問題，通常背包

能力[1]?；旌?span id="syggg00" class="hl">蛙跳算法是2000年由Eusuf和Lansey提出的一種基于群體智能的后啟發(fā)式計(jì)算技術(shù),這種算法模擬青蛙群體尋找食物時(shí),按族群分類進(jìn)行思想傳遞的過程,該算法具有概念簡單,調(diào)整的參數(shù)少,計(jì)算速度快,全局搜索尋優(yōu)能力強(qiáng),易于實(shí)現(xiàn)的特點(diǎn)[2]。文獻(xiàn)[3]使用基本混合蛙跳算法求解背包問題,但是由于基本混合蛙跳算法易陷入局部最優(yōu)。本文在其基礎(chǔ)上改進(jìn)了局部搜索策略,從而提出一種求解背包問題的混合蛙跳算法。1 背包問題背包問題(Knapsack prob