人工魚群智能優(yōu)化算法的改進及應(yīng)用研究.pdf

1、為能更有效地解決工業(yè)生產(chǎn)過程中大量存在的優(yōu)化問題，自20世紀(jì)80年代以來，涌現(xiàn)出了一些智能優(yōu)化算法，它們通過模擬某一自然現(xiàn)象或過程而發(fā)展起來，為解決復(fù)雜系統(tǒng)的優(yōu)化問題提供了新的思路和手段，自誕生就引起了國內(nèi)外學(xué)者的廣泛關(guān)注并被應(yīng)用于許多領(lǐng)域。人工魚群算法(Artificial Fish Swarm Algorithm，AFSA)是源于對魚群覓食行為研究而提出的一種新型群體智能優(yōu)化算法。該算法具有對初值和參數(shù)選擇不敏感、魯棒性強、簡單、易

2、于實現(xiàn)，且具備并行處理能力和全局搜索能力等方面的特點。但AFSA在應(yīng)用過程中還有很多不完善的地方，如：算法后期收斂速度慢，搜索精度不高，在多峰問題尋優(yōu)時難以找到全部最優(yōu)解等等。并且，AFSA的應(yīng)用還不夠深入。為此，本文著重從AFSA的改進和應(yīng)用方面進行了研究。主要研究工作如下： (1)針對AFSA在較大或變化平坦的區(qū)域?qū)?yōu)時，收斂于全局最優(yōu)解的速度減慢、搜索性能劣化，特別是在優(yōu)化后期往往收斂較慢的問題，提出了一種基于變異算子與模

3、擬退火混合的人工魚群優(yōu)化算法。該算法保持了AFSA簡單、易實現(xiàn)的特點，同時克服了人工魚漫無目的隨機游動或在非全局極值點大量聚集的局限性，顯著提高了運行效率和求解質(zhì)量，為解決復(fù)雜尋優(yōu)問題提供了有效方法。通過函數(shù)和實例測試驗證，表明該算法是可行和有效的。 (2)針對AFSA在多峰問題尋優(yōu)時難以找到全部最優(yōu)解及精度不高的問題，提出了一種基于生境人工魚群算法的多峰問題優(yōu)化算法。該算法融合了模擬退火、小生境技術(shù)的思想，并加入了變異算子和自

4、動生成合適小生境半徑機制。通過對幾種典型多峰函數(shù)的測試，表明該算法不僅能有效、精確找出多峰問題的全局和局部所有最優(yōu)解，而且無需預(yù)先設(shè)置小生境半徑，實現(xiàn)了真正的自適應(yīng)搜索，較好地解決了復(fù)雜多峰優(yōu)化問題。 (3)針對連續(xù)屬性樣本分類挖掘時需離散化預(yù)處理，可能導(dǎo)致原始信息的缺失問題，提出了基于人工魚群算法的分類規(guī)則挖掘算法，給出了適用于AFSA的分類規(guī)則編碼方案、構(gòu)造了新的準(zhǔn)確提取規(guī)則集的分類規(guī)則適應(yīng)值函數(shù)。該算法從優(yōu)化的角度來解決分

5、類問題，自動實現(xiàn)連續(xù)屬性樣本分類規(guī)則的挖掘，從而為連續(xù)屬性樣本提供了一個不需要離散化處理而直接進行數(shù)據(jù)挖掘的新方法。實驗結(jié)果表明，該算法不僅能夠挖掘出簡潔、易于理解的規(guī)則集，而且具有較強的魯棒性和較高的準(zhǔn)確率，是一種可行和有效的分類規(guī)則優(yōu)化算法。 (4)針對神經(jīng)網(wǎng)絡(luò)需要依靠經(jīng)驗確定網(wǎng)絡(luò)結(jié)構(gòu)及其優(yōu)化問題，設(shè)計了一種基于人工魚群算法的網(wǎng)絡(luò)分類器。該方法把輸入屬性選取和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計結(jié)合，通過人工魚群算法尋優(yōu)，同時實現(xiàn)了輸入屬性選擇、神

6、經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的優(yōu)化。實驗表明，該算法能夠獲得一個具有性能可靠、較好泛化能力的簡單分類器，避免了一般神經(jīng)網(wǎng)絡(luò)依靠經(jīng)驗確定網(wǎng)絡(luò)結(jié)構(gòu)的困難，拓寬了AFSA的應(yīng)用領(lǐng)域。 (5)在對AFSA研究和改進的基礎(chǔ)上，結(jié)合國家863項目“太陽能生物制氫技術(shù)研究”，在部分實驗所獲得的樣本數(shù)據(jù)基礎(chǔ)上，引入全局尋優(yōu)人工魚群優(yōu)化算法，通過AFSA優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，獲得影響生物制氫的最相關(guān)因素，建立了基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的光合細菌制氫過程模型；再用AFSA