資源描述：
《人工魚群算法.ppt》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、人工魚群算法基本思想魚群特點:在一片水域中，魚存在的數(shù)目最多的地方就是本水域中富含營養(yǎng)物質(zhì)最多的地方。算法作用：全局擇優(yōu)魚群行為:覓食，聚群，追尾。算法描述人工魚的數(shù)學(xué)描述其中Rand()函數(shù)為產(chǎn)生0到1之間的隨機數(shù)；Step為步長人工魚的視覺描述變量參數(shù)序號變量名變量含義1N人工魚群個體大小2{Xi}人工魚個體的狀態(tài)位置、Xi=(x1,x1,···,xn)，其中xi=(1,2,···,n)為待優(yōu)化變量3Yi=f(Xi)第i條人工魚當(dāng)前所在位置的食物濃度，Yi為目標(biāo)函數(shù)4Dij=
2、
3、Xi-Xj
4、
5、人工魚個體間的位置5Visual人工魚的感知距離6Ste
6、p人工魚移動的最大步長7Delta擁擠度8Try_number覓食行為嘗試的最大次數(shù)9n當(dāng)前覓食行為次數(shù)10MAXGEN最大迭代次數(shù)主要函數(shù)序號函數(shù)名函數(shù)功能1AF_init初始化魚群函數(shù)2AF_prey覓食行為函數(shù)3AF_swarm聚群行為函數(shù)4AF_follow追尾行為函數(shù)5AF_dist計算魚群個體距離函數(shù)6AF_foodconsistence當(dāng)前位置的食物濃度函數(shù)算法流程圖算法實現(xiàn)Step1.魚群初始化魚群中的每條人工魚均為一組實數(shù)，是在給定范圍內(nèi)產(chǎn)生隨機數(shù)組。例如，魚群大小為N，有兩個待優(yōu)化的參數(shù)x，y，范圍分別為[x1,x2]和[y1,y2
7、],則要產(chǎn)生一個2行N列的初始魚群，每列表示一條人工魚的兩個參數(shù)Step2.覓食行為人工魚Xi在其視野內(nèi)隨機選擇一個狀態(tài)Xj，分別計算它們的目標(biāo)函數(shù)值進行比較，如果發(fā)現(xiàn)Yj比Yi優(yōu)，則Xi向Xj的方向移動一步否則，Xi繼續(xù)在其視野內(nèi)選擇狀態(tài)Xj，判斷是否滿足前進條件，反復(fù)嘗試Try-number次后，仍沒有滿足前進條件，則隨機移動一步使Xi到達一個新的狀態(tài)Step3.聚群行為聚群的規(guī)則:1.盡量向臨近伙伴的中心移動2.避免過分擁擠人工魚Xi搜索當(dāng)前鄰域內(nèi)（dijδYi，表明伙伴中心位置狀態(tài)較優(yōu)
8、且不太擁擠，則Xi朝伙伴的中心位置移動一步，否則，執(zhí)行覓食行為Step4.追尾行為人工魚Xi搜索當(dāng)前鄰域內(nèi)（dijδYi,表明最優(yōu)伙伴的周圍不太擁擠，則Xi朝此伙伴移動一步:否則，執(zhí)行覓食行為Step5.目標(biāo)函數(shù)一元函數(shù)優(yōu)化參數(shù)取值參數(shù)取值人工魚數(shù)50感知距離1最大迭代次數(shù)50擁擠度因子0.618覓食最大試探次數(shù)100移動步長0.1一元函數(shù)優(yōu)化結(jié)果二元函數(shù)優(yōu)化參數(shù)取值參數(shù)取值人工魚數(shù)100感知距離2.5最大迭代次數(shù)50擁擠度因子0.618覓食最大試探次數(shù)100移動步長0.3二元函數(shù)優(yōu)化結(jié)果
9、算法分析擁擠度因子δ對優(yōu)化的影響在求極大值問題中:δ=1/(αnmax),α∈(0,1]其中α為極值接近水平，nmax為期望在該鄰域內(nèi)聚集的最大人工魚數(shù)目。在求極小值問題中：δ=αnmax,α∈(0,1]擁擠度因子的作用機理擁擠度因子與nf相結(jié)合，通過人工魚是否執(zhí)行追尾和聚群行為對優(yōu)化結(jié)果產(chǎn)出影響對追尾行為的描述圖中af0為人工魚af1-5在各自視野內(nèi)的最優(yōu)人工魚，其實物濃度為Yj,C1為以af0為圓心，以視野為半徑的圓，即能探知af0的最遠距離，人工魚越靠近af0，狀態(tài)越優(yōu)極大值情況下：當(dāng)δnf≤1時，所有人工魚af1-5都執(zhí)行追尾行為，向af0游動
10、；當(dāng)δnf＞1時，若C2的食物濃度為Yj/δnf的等濃度食物圈，則C2與C1間的人工魚af1、af2、af3執(zhí)行追尾行動，向af0游動，人工魚af4、af5執(zhí)行覓食行為。此時δnf越大執(zhí)行追尾行動的人工魚越少，反之越多擁擠度因子的影響以極大值為例(極小值的情況正好和極大值相反)，δ越大，表明允許的擁擠程度越小，人工魚擺脫局部極值的能力越強;但是收斂的速度會有所減緩，這主要因為人工魚在逼近極值的同時，會因避免過分擁擠而隨機走開或者受其它人工魚的排斥作用，不能精確逼近極值點?？梢姡牡囊氡苊饬巳斯~過度擁擠而陷入局部極值，另一方面，該參數(shù)會使得位于極值點
11、附近的人工魚之間存在相互排斥的影響，而難以向極值點精確逼近，所以，對于某些局部極值不是很嚴(yán)重的具體問題，可以忽略擁擠的因素，從而在簡化算法的同時也加快了算法的收斂速度和提高結(jié)果的精確程度人工魚群算法特點1）只需比較目標(biāo)函數(shù)值，對目標(biāo)函數(shù)的性質(zhì)要求不高。2）對初值的要求不高，隨機產(chǎn)生或設(shè)為固定值均可。3）對參數(shù)設(shè)定的要求不高，容許范圍大。4）具備并行處理能力，尋優(yōu)速度較快。5）具備全局尋優(yōu)能力，能快速跳出局部極值點。6）具有較快的收斂速度，可以用于解決有實時性要求的問題；7）對于一些精度要求不高的場合，可以用它快速的得到一個可行解；8）不需要問題的嚴(yán)格機
12、理模型，甚至不需要問題的精確描述，這使得它的應(yīng)用范圍得以延伸．綜上所述，該算法是一種基于集群智
