求解函數(shù)優(yōu)化問(wèn)題的人工魚(yú)群算法設(shè)計(jì)研究.pdf

1、自然選擇推動(dòng)動(dòng)物的進(jìn)化，進(jìn)而形成了動(dòng)物賴(lài)以生存的覓食和生活方式，科學(xué)家們正是通過(guò)研究自然界的動(dòng)物群體生活方式來(lái)獲得解決生活中疑難問(wèn)題的啟發(fā)和靈感.研究者們發(fā)現(xiàn)，魚(yú)類(lèi)本身不具備復(fù)雜的綜合判斷和推理能力，但是它們通過(guò)群體簡(jiǎn)單的行為相互影響，最終實(shí)現(xiàn)了生存和進(jìn)化.人工魚(yú)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(yú)群運(yùn)動(dòng)行為的啟發(fā)，將生物的群體智能用來(lái)解決優(yōu)化問(wèn)題.隨著越來(lái)越多的研究者們對(duì)該算法的了解

2、和研究，人工魚(yú)群算法已經(jīng)成為交叉學(xué)科中熱門(mén)的前沿性研究課題.
　　傳統(tǒng)的魚(yú)群算法擁有許多優(yōu)點(diǎn)，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(jī)優(yōu)化算法，對(duì)初值的選取不敏感，算法通用性好，可操作性比較強(qiáng).但是隨著人們對(duì)人工魚(yú)群算法的進(jìn)一步研究和魚(yú)群算法的廣泛應(yīng)用，人們發(fā)現(xiàn)人工魚(yú)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(diǎn)，基本的人工魚(yú)群算法已經(jīng)不能滿(mǎn)足人們生產(chǎn)生活的需求.針對(duì)傳統(tǒng)魚(yú)群算法的這些不足，本文做

3、了如下兩個(gè)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(yú)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(yú)的個(gè)體學(xué)習(xí)能力和社會(huì)學(xué)習(xí)能力分別改進(jìn)它們?nèi)N行為的更新公式，提出了一種新穎的人工魚(yú)群算法(AO-AFSA).并采用五個(gè)典型的測(cè)試函數(shù)進(jìn)行仿真實(shí)驗(yàn)，分析了算法的尋優(yōu)精度、收斂速度以及穩(wěn)定性.測(cè)試結(jié)果表明改進(jìn)后的算法能夠較快地收斂至全

4、局較優(yōu)解，有更強(qiáng)的穩(wěn)定性，并具有較好的尋優(yōu)性能.
　　2.針對(duì)基本的人工魚(yú)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(diǎn)，本文在基本的人工魚(yú)群算法(AFSA)中引入萬(wàn)有引力算子，更好地利用了各條人工魚(yú)之間的信息共享，有效地結(jié)合了萬(wàn)有引力算子的局部搜索能力和人工魚(yú)群算法的全局搜索能力，提出一種基于萬(wàn)有引力的人工魚(yú)群算法(GA-AFSA).采用六個(gè)基準(zhǔn)函數(shù)測(cè)試表明:無(wú)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(duì)于基本