人工魚群算法作為一種新型的仿生群體智能優(yōu)化算法已成功地應(yīng)用于各種優(yōu)化問題及實(shí)際工程領(lǐng)域。然而,在復(fù)雜優(yōu)化問題方面,受目標(biāo)函數(shù)存在相對(duì)較大數(shù)量的局部極值的影響,收斂速度慢、早熟等缺陷難以避免地存在。在基本人工魚群算法中引入具有隨機(jī)性、遍歷性的混沌理論,構(gòu)建了一種改進(jìn)算法,以使得人工魚群搜索能夠規(guī)避可能存在的局部極值狀況。在工業(yè)控制網(wǎng)絡(luò)異常檢測(cè)中進(jìn)行仿真應(yīng)用,驗(yàn)證了算法的有效性。與基本的人工魚群算法相比,混沌改進(jìn)人工魚群算法可使得算法在局部極值附近長(zhǎng)時(shí)間搜索的狀況得到有效避免,在全局收斂方面算法有更佳表現(xiàn),且搜索效率更為突出。

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 引言
2 基本人工魚群算法
    2.1 算法簡(jiǎn)介
    2.2 算法描述
        2.2.1 相關(guān)定義
        2.2.2 人工魚行為描述
3 混沌系統(tǒng)
4 混沌改進(jìn)AFSA方法
5 改進(jìn)后算法性能驗(yàn)證分析
6 仿真實(shí)驗(yàn)
7 結(jié)束語(yǔ)



本文編號(hào)：3741140