蛙跳算法（Shuffled Frog Leading Algorithm）是一种启发式算法，通过启发式函数进行启发式搜索，从而找到组合最优问题的解。
他结合了以遗传为基础的memetic算法和以社会行为为基础的粒子群优化算法的优点。也可以说SFLA=SCE+PSO
一、问题概念：
蛙跳算法的思想是：在一片湿地中生活着一群青蛙。湿地内离散的分布着许多石头，青蛙通过寻找不同的石头进行跳跃去找到食物较多的地方。每只青蛙个体之间通过文化的交流实现信息的交换。每只青蛙都具有自己的文化。每只青蛙的文化被定义为问题的一个解。湿地的整个青蛙群体被分为不同的子群体，每个子群体有着自己的文化，执行局部搜索策略。在子群体中的每个个体有着自己的文化，并且影响着其他个体，也受其他个体的影响，并随着子群体的进化而进化。当子群体进化到一定阶段以后，各个子群体之间再进行思想的交流（全局信息交换）实现子群体间的混合运算，一直到所设置的条件满足为止。
二、解决思路：
在SFLA中，种群被分为若干个子群（memeplex），每一个子群包括一定数量的青蛙。不同的memeplex具有不同的文化，分别进行局部搜索。在每个子群中，每只青蛙都有自己的想法，并且受到其他青蛙想法的影响，通过memetic进化来发展。这样经过一定的memetic进化以及跳跃过程，这些想法思路就在各个memeplex中传播开来，然后，据需局部搜索和跳跃，知道收敛或满足标准为止。
可以这样理解，所有的个体（青蛙）都在朝向相对更优的解进化，然后经过给定的周期（设置的迭代次数）后，再看其所有个体的进化程度。算法的思想是每个个体所含在的基因都朝向一个目标发展（子群最优、全局最优），就像我们会向更优秀的人索取经验、期望和更优秀的人保持更多的相同点一个道理。
三、基本参数
蛙群的数量；
族群的数量；
族群中青蛙的数量；
最大允许跳动步长；
全局最好解；
局部最好解；
局部最差解；
子族群中青蛙的数量；
局部元进化次数；
全局思想交流次数等。
四、算法实现
4.1 初始化
定义基本参数
#define G 100 #define M 3 #define I 5 #define P M*I #define V 20 #define N 10 #define MAX 1000.0#define MIN -1000.0#define D 2.0 #define R (rand()%100)/100.0typedef struct { double d[V]; double value;}Individal;Individal pw[M];Individal pb[M];Individal pg;Individal group[P];Individal memeplex[M][I];
生成蛙群，每只蛙个体包括基因维数数组以及价值（适应度）
double fitness(Individal individal){ int i; double sum = 0; for (i = 0; i注：为了观察进化效率，这里我们暂时用差值平方代表适应度
4.2个体排序分组
对青蛙划分等级。将青蛙按照性能的好坏依次排列，生成数组：记录最好青蛙pg，同时对其进行分组（将数组group分成为m个memeplex）
void sort(){ int i, j, k; qsort(group, P, sizeof(Individal), mycmp); k = 0; for (i = 0; i
4.3组内进化（memetic）
4.3.1：设定最大进化次数N，iN=0为进化次数变量，子群个数m，im=0为子群计数变量。在每个memeplex中Pb和Pw分别表示性能最好和最坏的青蛙，Pg表示整个种群中最好的青蛙。在每一轮的进化中，改善最坏青蛙Pw的位置。注意，并非对所有青蛙都优化。
4.3.2：调整最坏青蛙的位置，方法如下：
青蛙移动的距离 Di=rand()*(Pb-Pw)
新的位置 Pw=Pw（当前位置）+Di,（Dmax>=Di>=-Dmax）
其中rand()是0-1之间的随机数，Dmax是青蛙移动的最大距离。
4.3.3：如果上述过程能够使得青蛙有一个更好的位置，即能产生一个更好的解，那么就用新的位置青蛙取代原来的青蛙；否则，用Pg代替Pb，重复上述过程。
4.4.4：如果上述方法仍不能生成更好的青蛙，那么就随机生成一个新解取代原来最坏的青蛙Pw。
int mycmp(const void *a, const void *b) { return (*(Individal*)b).value > (*(Individal*)a).value ?1:-1;}
void memetic(){ int i, j, k, l, n; double a,b; for (n = 0; n D ? D : temp[i].d[j]; temp[i].d[j] = temp[i].d[j] < -D ? -D : temp[i].d[j]; temp[i].d[j] += pw[i].d[j]; } temp[i].value = fitness(temp[i]); if (temp[i].value D ? D : temp[i].d[j]; temp[i].d[j] = temp[i].d[j] < -D ? -D : temp[i].d[j]; temp[i].d[k] += pw[i].d[k]; } temp[i].value = fitness(temp[i]); if (temp[i].value
4.种群迭代
青蛙在memeplex之间跳跃。在每个memeplex中执行了一定的memetic进化之后，将各个子群合并到整体，再重新排序，并更新种群中最好的青蛙Pg
如果迭代终止条件满足，则停止；否则，继续迭代.一般情况下，当执行了一定次数的循环进化，代表最好解的青蛙的位置不再改变的时候，算法停止。
void renew(){ int i, j, k; i = 0; for (j = 0; j
外部迭代循环：
for (int i = 0; i
五、参考流程图
六、测试截图
void test(){ init(); for (int i = 0; i
参考学习网址：
https://wenku.baidu.com/view/f91e94ec011ca300a6c390b4.html
http://blog.csdn.net/yi_tech_blog/article/details/53261323
http://www.cnblogs.com/tomatokely/p/7552678.html
