本文關(guān)鍵詞： 人工魚群算法 混沌變換 覓食行為 體能變換模型　出處：《計(jì)算機(jī)科學(xué)》2017年04期 　論文類型：期刊論文

【摘要】：針對基本人工魚群算法(AFSA)在函數(shù)優(yōu)化問題中存在的后期收斂速度慢、求解精度低和易陷入局部最優(yōu)等缺點(diǎn),提出了一種新的改進(jìn)人工魚群算法(IAFSA)。首先,使用混沌變換來初始化魚群個(gè)體的位置,使魚群更加均勻地分布在有限的區(qū)域內(nèi),保證種群具有多樣性,利于全局收斂;其次,對覓食行為中具有不同函數(shù)值的人工魚個(gè)體采取不同的視野策略,不僅提高了算法的尋優(yōu)速度,而且有效地降低了魚群陷入局部最優(yōu)的可能性;最后,根據(jù)運(yùn)動(dòng)和體能之間的關(guān)系構(gòu)建體能變換模型,在魚群覓食的后期,體能開始變?nèi)?這時(shí)適時(shí)地減小魚群覓食、聚群和追尾行為中移動(dòng)的步長可有效提高算法收斂的速度和尋優(yōu)的精度。通過標(biāo)準(zhǔn)測試函數(shù)和14個(gè)城市的TSP對算法進(jìn)行驗(yàn)證,仿真實(shí)驗(yàn)結(jié)果表明,相比基本人工魚群算法,改進(jìn)后的算法具有更快的后期收斂速度和更高的求解精度。
[Abstract]:In view of the shortcomings of the basic artificial fish swarm algorithm (AFSA) in the function optimization problems, such as slow convergence, low precision and easy to fall into local optimum, a new improved artificial fish swarm algorithm is proposed. The chaotic transformation is used to initialize the individual position of the fish group, so that the fish herd is more evenly distributed in a limited area, which ensures the diversity of the population and is conducive to global convergence. Different visual field strategies are adopted for artificial fish with different function values in foraging behavior, which not only improves the optimization speed of the algorithm, but also effectively reduces the possibility of fish group falling into local optimum. According to the relationship between physical activity and physical fitness, the physical fitness transformation model is constructed. In the later stage of fish feeding, physical fitness begins to weaken, and then the fish flock foraging is timely reduced. The speed of convergence and the precision of optimization can be improved effectively by moving step size in clustering and rear-end behavior. The algorithm is verified by standard test function and TSP in 14 cities. The simulation results show that compared with the basic artificial fish swarm algorithm, the proposed algorithm is more efficient than the basic artificial fish swarm algorithm. The improved algorithm has faster late convergence speed and higher accuracy.
【作者單位】： 華東理工大學(xué)信息科學(xué)與工程學(xué)院;
【分類號】：TP18
【正文快照】： 1引言人工魚群算法[1]是一種先進(jìn)的群智能優(yōu)化方法,它是2001年由李曉磊博士基于自然界中的魚群及其覓食而衍生出來的算法,該算法具有魯棒性強(qiáng)、全局搜索能力強(qiáng)、收斂速度快等優(yōu)點(diǎn)。但人工魚群算法也存在前期收斂速度快而后期收斂速度慢、求解精度不高等缺點(diǎn)。針對上述人工魚群

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王兆嘉;俞毅;彭培真;蔣珉;;混沌搜索在人工魚群算法中的應(yīng)用[J];工業(yè)控制計(jì)算機(jī);2015年04期

2 李志平;王勇;張呈志;;一種采用動(dòng)態(tài)游動(dòng)模式的魚群算法[J];計(jì)算機(jī)仿真;2015年04期

3 朱旭輝;倪志偉;程美英;;變步長自適應(yīng)的改進(jìn)人工魚群算法[J];計(jì)算機(jī)科學(xué);2015年02期

4 孫王杰;盧月亮;孫書貝;鞏曉悅;;基于約束優(yōu)化問題的人工魚群算法及其改進(jìn)[J];吉林化工學(xué)院學(xué)報(bào);2014年11期

5 馬憲民;劉妮;;自適應(yīng)視野的人工魚群算法求解最短路徑問題[J];通信學(xué)報(bào);2014年01期

6 楊增橋;劉弘;王愛霖;;一種人工魚群混合智能優(yōu)化算法[J];山東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

7 張英杰;李志武;奉中華;;一種基于動(dòng)態(tài)參數(shù)調(diào)整的改進(jìn)人工魚群算法[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

8 張軍麗;周永權(quán);;一種用Powell方法局部優(yōu)化的人工螢火蟲算法[J];模式識別與人工智能;2011年05期

9 李躍松;樊金生;張巧迪;;用改進(jìn)的人工魚群算法求解TSP問題[J];石家莊鐵道大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

10 曲良東;何登旭;;一種混沌人工魚群優(yōu)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年22期

相關(guān)博士學(xué)位論文 前1條

1 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王志敏;;基于時(shí)變衰減函數(shù)的改進(jìn)人工魚群算法研究[J];甘肅科技縱橫;2017年05期

2 周修飛;張立毅;費(fèi)騰;;基于自適應(yīng)均勻變異人工魚群投資組合優(yōu)化算法的研究[J];數(shù)學(xué)的實(shí)踐與認(rèn)識;2017年08期

3 劉東林;李樂樂;;一種新穎的改進(jìn)人工魚群算法[J];計(jì)算機(jī)科學(xué);2017年04期

4 劉廷;田有;朱洪翔;周超;喬漢青;;基于人工魚群算法和Pearson相關(guān)系數(shù)的裂縫屬性識別[J];世界地質(zhì);2017年01期

5 張思建;唐若笠;張捷;方彥軍;;基于自適應(yīng)多行為模式魚群算法的電能計(jì)量設(shè)備運(yùn)維作業(yè)優(yōu)化研究[J];電測與儀表;2017年05期

6 彭凱;黃宜慶;邵壽琛;;基于粒子群與人工魚群混合算法的TSP求解模型[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2017年01期

7 趙志豪;趙敏;陳奇;蔡力炯;;基于IAFSA的四自由度翼傘分段歸航設(shè)計(jì)[J];火力與指揮控制;2017年02期

8 王麗;王曉凱;;多峰函數(shù)優(yōu)化的改進(jìn)群居蜘蛛優(yōu)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2017年03期

9 康文雄;許耀釗;;節(jié)點(diǎn)約束型最短路徑的分層Dijkstra算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

10 李楊;戰(zhàn)藝;李巖舟;;基于改進(jìn)蜘蛛群居算法的移動(dòng)機(jī)器人路徑規(guī)劃方法研究[J];科學(xué)技術(shù)與工程;2016年35期

相關(guān)博士學(xué)位論文 前10條

1 姚正華;改進(jìn)人工魚群智能優(yōu)化算法及其應(yīng)用研究[D];中國礦業(yè)大學(xué);2016年

2 唐若笠;基于群集智能的復(fù)雜問題優(yōu)化算法與應(yīng)用研究[D];武漢大學(xué);2016年

3 劉義海;基于信息融合的水中目標(biāo)屬性識別關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

4 范德明;基于智能算法的應(yīng)用層組播算法設(shè)計(jì)與研究[D];山東大學(xué);2015年

5 任思源;超聲法氣體溫度場的TSR算法重建及實(shí)驗(yàn)研究[D];華北電力大學(xué);2015年

6 曾鳴;鐵路集裝箱中心站物流系統(tǒng)資源調(diào)配優(yōu)化與仿真研究[D];西南交通大學(xué);2015年

7 劉志君;基于進(jìn)化算法的飛控系統(tǒng)性能指標(biāo)分配方法研究[D];西北工業(yè)大學(xué);2015年

8 張鵠志;鋼筋混凝土復(fù)雜應(yīng)力構(gòu)件的配筋優(yōu)化研究[D];湖南大學(xué);2014年

9 朱占龍;慣性/地磁匹配組合導(dǎo)航相關(guān)技術(shù)研究[D];東南大學(xué);2015年

10 玄冠濤;凸輪輪廓NURBS重構(gòu)與工作特性優(yōu)化研究[D];山東農(nóng)業(yè)大學(xué);2014年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 廖孝勇;李尚鍵;孫棣華;何偉;余楚中;;一種基于膜計(jì)算的改進(jìn)人工魚群算法[J];小型微型計(jì)算機(jī)系統(tǒng);2014年05期

2 孫福;張箭鋒;閆軍;張胤;;文化算法框架下的改進(jìn)人工魚群算法研究[J];計(jì)算機(jī)仿真;2014年04期

3 張洪青;卜濤;;基于和聲搜索的混合人工魚群算法[J];計(jì)算機(jī)應(yīng)用與軟件;2014年03期

4 馬憲民;劉妮;;自適應(yīng)視野的人工魚群算法求解最短路徑問題[J];通信學(xué)報(bào);2014年01期

5 陶楊;韓維;張磊;;基于群體行為的自適應(yīng)變異算子魚群算法[J];中國電子科學(xué)研究院學(xué)報(bào);2013年05期

6 張仲海;王多;王太勇;林錦州;蔣永翔;;采用粒子群算法的自適應(yīng)變步長隨機(jī)共振研究[J];振動(dòng)與沖擊;2013年19期

7 劉艷林;馬苗;劉艷麗;許紅飛;;基于改進(jìn)人工魚群算法的含噪圖像分割方法[J];計(jì)算機(jī)工程與應(yīng)用;2013年20期

8 段其昌;唐若笠;徐宏英;李文;;粒子群優(yōu)化魚群算法仿真分析[J];控制與決策;2013年09期

9 劉薇;劉柏嵩;王洋洋;;基于改進(jìn)魚群和K-means的混合聚類算法[J];計(jì)算機(jī)工程與應(yīng)用;2013年22期

10 張大斌;楊添柔;溫梅;孫瑩;周茜;;基于差分進(jìn)化的魚群算法及其函數(shù)優(yōu)化應(yīng)用[J];計(jì)算機(jī)工程;2013年05期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曲良東;何登旭;;改進(jìn)的人工魚群算法及其在近似求導(dǎo)中的應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2009年05期

2 王聯(lián)國;洪毅;趙付青;余冬梅;;一種簡化的人工魚群算法[J];小型微型計(jì)算機(jī)系統(tǒng);2009年08期

3 王宗利;劉希玉;王文平;;一種改進(jìn)的人工魚群算法[J];信息技術(shù)與信息化;2010年03期

4 韋修喜;曾海文;周永權(quán);;云人工魚群算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年22期

5 曾蒙迪;;人工魚群算法的簡介及應(yīng)用[J];信息與電腦(理論版);2011年04期

6 李媛;;基于人工魚群算法的多元線性回歸分析問題處理[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

7 陳曉峰;宋杰;;量子人工魚群算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年12期

8 王波;;基于細(xì)胞膜優(yōu)化的人工魚群算法研究[J];科技通報(bào);2013年03期

9 王培崇;;人工魚群算法研究綜述[J];中國民航飛行學(xué)院學(xué)報(bào);2013年04期

10 李曉磊,薛云燦,路飛,田國會;基于人工魚群算法的參數(shù)估計(jì)方法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2004年03期

相關(guān)會議論文 前3條

1 李曉磊;錢積新;;人工魚群算法:自下而上的尋優(yōu)模式[A];過程系統(tǒng)工程2001年會論文集[C];2001年

2 徐公林;張鐵龍;;人工魚群算法在電力系統(tǒng)負(fù)荷模型參數(shù)辨識中的應(yīng)用[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會論文集（中冊）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 王聯(lián)國;人工魚群算法及其應(yīng)用研究[D];蘭州理工大學(xué);2009年

2 姚正華;改進(jìn)人工魚群智能優(yōu)化算法及其應(yīng)用研究[D];中國礦業(yè)大學(xué);2016年

3 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

4 張梅鳳;人工魚群智能優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];大連理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 陳斐;改進(jìn)的人工魚群算法分析與研究[D];西安電子科技大學(xué);2012年

2 王蕾;一種人工螢火蟲群優(yōu)化算法改進(jìn)的研究[D];青島理工大學(xué);2015年

3 馬堯;基于改進(jìn)的人工魚群算法在商旅問題中的應(yīng)用研究[D];西南交通大學(xué);2015年

4 薛亞娣;改進(jìn)的人工魚群算法及其應(yīng)用研究[D];蘭州大學(xué);2015年

5 彭鵬;配電網(wǎng)無功優(yōu)化和跟蹤調(diào)節(jié)技術(shù)研究[D];沈陽理工大學(xué);2015年

6 崔淑慧;三維管路自動(dòng)敷設(shè)算法及干涉校驗(yàn)方法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 黃鋒;混沌人工魚群算法及其在水庫(群)優(yōu)化調(diào)度中的應(yīng)用[D];華北電力大學(xué);2015年

8 劉翔;基于改進(jìn)人工魚群算法的化工過程優(yōu)化[D];北京化工大學(xué);2015年

9 喻俊松;基于改進(jìn)人工魚群算法無人機(jī)航跡規(guī)劃研究[D];南昌航空大學(xué);2015年

10 陳新;基于人工魚群算法的柔性作業(yè)車間調(diào)度研究[D];大連理工大學(xué);2015年

，

本文編號：1491480