بررسی نحوه عملکرد الگوریتم ممتیک متاهیوریستیک جهش ترکیبی قورباغه

الگوریتم جهش ترکیبی قورباغه SFLA یک الگوریتم تکاملی و مبتنی برجمعیت متاهیوریستیک جدید است این الگوریتم سریع است و قابلیت جستجوی سراسری بسیاری خوبی دارد دراین مقاله درابتدا قاعده کلی الگوریتم SFLA مطرح می شود و سپس پارامترهای آن مورد تحلیل قرارمیگیرند بوسیله آزمایشها پارامترها به گونه ای انتخاب می شود که تاثیر مثبتی برSFLA داشته باشند الگوریتم SFLA با استفاده از تابع آزمایش با الگوریتم ژنتیک GA و بهینه سا زی گروه ذرات PSO مقایسه می شود آزمایشات نشان میدهد که دقت و قابلیت جستجوی سراسری SFLA از GA,PSO بهتر است.