求解函數優(yōu)化問題的人工魚群算法設計研究.pdf

1、自然選擇推動動物的進化，進而形成了動物賴以生存的覓食和生活方式，科學家們正是通過研究自然界的動物群體生活方式來獲得解決生活中疑難問題的啟發(fā)和靈感.研究者們發(fā)現，魚類本身不具備復雜的綜合判斷和推理能力，但是它們通過群體簡單的行為相互影響，最終實現了生存和進化.人工魚群算法(AFSA)由李曉磊博士于2002年在他發(fā)表的博士論文中首次提出的，該算法是受到魚群運動行為的啟發(fā)，將生物的群體智能用來解決優(yōu)化問題.隨著越來越多的研究者們對該算法的了解

2、和研究，人工魚群算法已經成為交叉學科中熱門的前沿性研究課題.
　　傳統(tǒng)的魚群算法擁有許多優(yōu)點，比如算法穩(wěn)定性好、有著良好的全局搜索能力，而且它也是一種隨機優(yōu)化算法，對初值的選取不敏感，算法通用性好，可操作性比較強.但是隨著人們對人工魚群算法的進一步研究和魚群算法的廣泛應用，人們發(fā)現人工魚群算法后期存在收斂速度慢、求解精度不高且易陷入局部最優(yōu)的缺點，基本的人工魚群算法已經不能滿足人們生產生活的需求.針對傳統(tǒng)魚群算法的這些不足，本文做

3、了如下兩個方面的研究工作:
　　1.為了加快算法的收斂速度和提高求解精度，本文在研究了人工魚群算法(AFSA)的原理和粒子群(PSO)的算法思想后，嘗試模仿PSO中粒子的信息傳遞方式和更新方式，基于人工魚的個體學習能力和社會學習能力分別改進它們三種行為的更新公式，提出了一種新穎的人工魚群算法(AO-AFSA).并采用五個典型的測試函數進行仿真實驗，分析了算法的尋優(yōu)精度、收斂速度以及穩(wěn)定性.測試結果表明改進后的算法能夠較快地收斂至全

4、局較優(yōu)解，有更強的穩(wěn)定性，并具有較好的尋優(yōu)性能.
　　2.針對基本的人工魚群算法后期收斂速度慢、容易陷入局部最優(yōu)和求解精度低的缺點，本文在基本的人工魚群算法(AFSA)中引入萬有引力算子，更好地利用了各條人工魚之間的信息共享，有效地結合了萬有引力算子的局部搜索能力和人工魚群算法的全局搜索能力，提出一種基于萬有引力的人工魚群算法(GA-AFSA).采用六個基準函數測試表明:無論是在收斂速度、穩(wěn)定性還是在尋優(yōu)性能方面，該算法相對于基本