人工魚(yú)群算法綜述

《人工魚(yú)群算法綜述》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、人工魚(yú)群改進(jìn)算法研究綜述摘要：人工魚(yú)群算法源于對(duì)魚(yú)群運(yùn)動(dòng)行為的研究，是一種新型的群體智能隨機(jī)全局優(yōu)化算法，人工魚(yú)群算法(AFSA)起步較晚，還存在著許多不足之處。因此本文主要通過(guò)闡述魚(yú)群算法的基本理論的同時(shí)，對(duì)人工魚(yú)群算法的改進(jìn)方法進(jìn)行文獻(xiàn)綜述，并根據(jù)這些改進(jìn)方法指出了人工魚(yú)群算法未來(lái)的改進(jìn)與研究方向。關(guān)鍵詞：人工魚(yú)群算法算法改進(jìn)綜述1.引言1.1人工魚(yú)群算法的基本概念人工魚(yú)群算法是李曉磊等[1]人于2002年提出的一種基于動(dòng)物自治體[2-3]的優(yōu)化方法,是集群智能思想[4]的一個(gè)具體應(yīng)用，該算法根據(jù)水域中魚(yú)生存數(shù)目最多的地方就是本水域中富含營(yíng)養(yǎng)物質(zhì)最多的地方這一特點(diǎn)來(lái)模擬魚(yú)群的

2、覓食行為而實(shí)現(xiàn)尋優(yōu)。它的主要特點(diǎn)是不需要了解問(wèn)題的特殊信息,只需要對(duì)問(wèn)題進(jìn)行優(yōu)劣的比較,通過(guò)各人工魚(yú)個(gè)體的局部尋優(yōu)行為,最終在群體中使全局最優(yōu)值突現(xiàn)出來(lái),有著較快的收斂速度[5]。人工魚(yú)群算法主要利用魚(yú)的三大基本行為：覓食、聚群和追尾行為，采用自上而下的尋優(yōu)模式從構(gòu)造個(gè)體的底層行為開(kāi)始，通過(guò)魚(yú)群中各個(gè)體的局部尋優(yōu)，達(dá)到全局最優(yōu)值在群體中凸顯出來(lái)的目的[6]。（1）覓食行為：這是魚(yú)趨向食物的一種活動(dòng)，一般認(rèn)為它是通過(guò)視覺(jué)或味覺(jué)來(lái)感知水中的食物兩或食物濃度來(lái)選擇行動(dòng)的方向[6]。（2）聚群行為：大量或少量的魚(yú)聚集成群，進(jìn)行集體覓食和躲避敵害，這是它們?cè)谶M(jìn)化過(guò)程中形成的一種生存方式[6

3、]。（3）追尾行為：當(dāng)某一條魚(yú)或幾條魚(yú)發(fā)現(xiàn)食物時(shí)，它們附近的魚(yú)會(huì)尾隨而來(lái)，導(dǎo)致更遠(yuǎn)處的魚(yú)也會(huì)尾隨過(guò)來(lái)[6]。人工魚(yú)群算法就是通過(guò)模擬魚(yú)類(lèi)的覓食、聚群、追尾等行為在搜索域中進(jìn)行尋優(yōu)的。1.2人工魚(yú)群算法的行為描述覓食行為：設(shè)置人工魚(yú)當(dāng)前狀態(tài)，并在其感知范圍內(nèi)隨機(jī)選擇另一個(gè)狀態(tài)，如果得到的狀態(tài)的目標(biāo)函數(shù)大于當(dāng)前的狀態(tài)，則向新選擇得到的狀態(tài)靠近一步，反之，重新選取新?tīng)顟B(tài)，判斷是否滿(mǎn)足條件，選擇次數(shù)達(dá)到一定數(shù)量后，如果仍然不滿(mǎn)足條件，則隨機(jī)移動(dòng)一步[6]。聚群行為：人工魚(yú)探索當(dāng)前鄰居內(nèi)的伙伴數(shù)量，并計(jì)算伙伴的中心位置，然后把新得到的中心位置的目標(biāo)函數(shù)與當(dāng)前位置的目標(biāo)函數(shù)相比較，如果中心位

4、置的目標(biāo)函數(shù)優(yōu)于當(dāng)前位置的目標(biāo)函數(shù)并且不是很擁擠，則當(dāng)前位置向中心位置移動(dòng)一步，否則執(zhí)行覓食行為[6]。追尾行為：人工魚(yú)探索周?chē)従郁~(yú)的最優(yōu)位置，當(dāng)最優(yōu)位置的目標(biāo)函數(shù)值大于當(dāng)前位置的目標(biāo)函數(shù)值并且不是很擁擠，則當(dāng)前位置向最優(yōu)鄰居魚(yú)移動(dòng)一步，否則執(zhí)行覓食[6]。根據(jù)所要解決的問(wèn)題性質(zhì)，對(duì)人工魚(yú)當(dāng)前所處的環(huán)境進(jìn)行評(píng)價(jià)，從而選擇一種行為。較常用的評(píng)估方法是：選擇各行為中使得向最優(yōu)方向前進(jìn)最大的方向，也就是各行為中使得人工魚(yú)的下一步狀態(tài)最優(yōu)的行為，如果沒(méi)有能使下一個(gè)狀態(tài)優(yōu)于當(dāng)前狀態(tài)的行為，則采用隨機(jī)行為。1.3人工魚(yú)群算法步驟[6]Step1:設(shè)定魚(yú)群的參數(shù)，包括魚(yú)群的規(guī)模m,最大迭代次

5、數(shù)gen，人工魚(yú)的感知范圍Visual，最大移動(dòng)步長(zhǎng)step，擁擠度因子d等；Step2:在參數(shù)區(qū)間內(nèi)隨機(jī)生成m條人工魚(yú)個(gè)體作為初始魚(yú)群；Step3:計(jì)算每條魚(yú)的食物濃度函數(shù)（目標(biāo)函數(shù)），把最優(yōu)的值放入公告板[7]中；Step4：對(duì)于每條人工魚(yú)執(zhí)行以下操作（1）計(jì)算出追尾行為、聚群行為的值，采用行為選擇策略，選擇最優(yōu)的行為作為魚(yú)的移動(dòng)方向，缺省行為是覓食行為。（2）計(jì)算出每條魚(yú)的食物濃度函數(shù)（目標(biāo)函數(shù)），其最優(yōu)值與公告板中的值進(jìn)行比較，最終公告板中始終保持最優(yōu)的值。Step5:判斷是否滿(mǎn)足結(jié)束條件，如果滿(mǎn)足結(jié)束，否則轉(zhuǎn)Step4。最終公告板中的值就是最優(yōu)值。2.人工魚(yú)群算法的改進(jìn)

6、2.1初始化的改進(jìn)初始化種群是算法進(jìn)行搜索的起點(diǎn)。AFSA算法的初始種群生成是隨機(jī)的，通常情況下可以保證初始魚(yú)群分布均勻，但對(duì)于個(gè)體的質(zhì)量不能保證，解群中有一部分遠(yuǎn)離最優(yōu)解。宋瀟瀟等[8]提出了基于極坐標(biāo)編碼的改進(jìn)人工魚(yú)群算法。它通過(guò)設(shè)定編碼規(guī)則，并將此編碼方式運(yùn)用到三種行為當(dāng)中，計(jì)算出每一個(gè)編碼母體獲得的人工魚(yú)的概率，選擇大概率的母體作為算法初始化的起點(diǎn)，有效提高算法的收斂性。曲良東等[9]利用混沌系統(tǒng)產(chǎn)生混沌變量，并在參數(shù)允許范圍內(nèi)隨機(jī)產(chǎn)生各個(gè)人工魚(yú)個(gè)體的初始狀態(tài)。陳廣洲等[10]引入了免疫算法中的消亡算子，經(jīng)算子運(yùn)算更新，相互比較，摒棄非優(yōu)個(gè)體，將其重新初始化，以此保持種群

7、的多樣性。2.2算法參數(shù)的改進(jìn)王聯(lián)國(guó)等[11]首先提出了一個(gè)全局版魚(yú)群算法，并應(yīng)用該算法對(duì)參數(shù)進(jìn)行了詳細(xì)的分析，實(shí)驗(yàn)表明步長(zhǎng)step越小，求解精度越高，當(dāng)step的值在1-6之間時(shí)，視野visual的值對(duì)于優(yōu)化精度影響較小。當(dāng)step的值比較大時(shí)，隨著visual值的增加，優(yōu)化精度會(huì)震蕩。針對(duì)擁擠因子λ,實(shí)驗(yàn)表明該數(shù)值越小，魚(yú)進(jìn)行隨機(jī)游動(dòng)和覓食行為的幾率較大，擺脫極值束縛的能力就會(huì)越強(qiáng)。為了提高魚(yú)群算法的求解能力和精度，王聯(lián)國(guó)等[12-13]提出了一種動(dòng)態(tài)參數(shù)調(diào)整的人工魚(yú)群算法，