第一篇：混合蛙跳综述
群体智能优化算法：模拟不同生物种群的群体体现出来的社会分工和协同合作机制为目标，而非生物的个体行为来解决复杂优化问题。
混合蛙跳算法（SFLA）：近几年兴起的一种新型的后启发式群体智能优化算法，它继承其他优化算法的优点同时，还具有寻优能力更强，参数更少的优点，目前已广泛应用于模式识别，函数的优化，信号与信息处理等领域中并取得了成功。
由于混合蛙跳算法提出的时间不长，无论在理论研究还是实践应用方面都处于起步阶段。
特点：概念简单，参数少，计算速度快，全局寻优能力强。
数学模型： 在D维目标搜索空间中，随机生成P只青蛙（初始解）群体，第I只青蛙表示问题的解为Xi(xi1,xi2,xi3,xi4,……,xid)。将青蛙个体按其解的优劣（适应度）进行排序，整个群体分为M个子群体。将排名第一的青蛙放入第一群体，
将排名第二的青蛙放入第二群体，将排名第三的青蛙放入第三群体，……将排名第M+1的青蛙放入第一群体，以此类推至最后一只。
之后在子群体进行局部深度搜索，即在子群体的每次迭代中，首先确定当前迭代中子群体的最差个体Xw、最好个体Xb和全局最好个体Xg；只对该子群体中当前的最差个体Xw进行更新操作，更新策略如下。
将所有子群体的局部深度搜索完成以后，将所有的青蛙个体重新混合排序并再次划分子群体，然后再进行局部深度搜索，如此反复直到满足混合迭代次数。
混合蛙跳算法的流程图
原文：http://www.cnblogs.com/gottheg/p/5228980.html