本文選題：人工魚群算法　切入點(diǎn)：函數(shù)優(yōu)化　出處：《工程科學(xué)學(xué)報(bào)》2017年04期

【摘要】：針對人工魚群算法(AFSA)存在收斂速度慢和尋優(yōu)精度低等問題,本文提出了一種改進(jìn)人工魚群算法(IAFSA).該算法中的人工魚能夠根據(jù)魚群當(dāng)前狀態(tài)調(diào)整自身的視野和步長來平衡局部搜索和全局搜索.此外,算法中還加入了引導(dǎo)行為,即人工魚在覓食行為未發(fā)現(xiàn)更優(yōu)的位置時(shí),當(dāng)前人工魚向最優(yōu)人工魚移動(dòng)一步.仿真結(jié)果表明,改進(jìn)人工魚群算法在收斂速度、尋優(yōu)精度和克服局部極值等方面有很大優(yōu)勢.本文將改進(jìn)魚群算法應(yīng)用時(shí)滯系統(tǒng)的辨識(shí)中,辨識(shí)結(jié)果表明改進(jìn)算法能獲取被控對象的精準(zhǔn)數(shù)學(xué)模型,并具有較強(qiáng)的抗干擾能力.
[Abstract]:The artificial fish swarm algorithm (AFSA) has some problems, such as slow convergence speed and low precision of optimization. In this paper, an improved artificial fish swarm algorithm is proposed. The artificial fish in this algorithm can adjust their own visual field and step size according to the current state of the fish swarm to balance the local search and the global search. In addition, the guiding behavior is added to the algorithm. That is, when the artificial fish does not find a better position in the foraging behavior, the artificial fish moves to the optimal artificial fish one step. The simulation results show that the improved artificial fish swarm algorithm is converging at the speed of convergence. In this paper, the improved fish swarm algorithm is applied to the identification of time-delay system. The identification results show that the improved algorithm can obtain the precise mathematical model of the controlled object and has strong anti-jamming ability.
【作者單位】： 北京科技大學(xué)機(jī)械工程學(xué)院;
【基金】：北京市科技計(jì)劃資助項(xiàng)目(Z121100003012016)
【分類號(hào)】：TP18

【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(huì);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(huì)議論文 前1條

1 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(huì)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 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

6 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

7 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

8 方仁孝;基于群智能算法優(yōu)化SVR的短時(shí)交通流預(yù)測[D];大連理工大學(xué);2015年

9 劉慧敏;人工魚群算法研究及其在圖像增強(qiáng)中的應(yīng)用[D];西安電子科技大學(xué);2014年

10 曾飛艷;一種人工魚群算法的改進(jìn)及其對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究[D];湖南科技大學(xué);2015年

，

本文編號(hào)：1684163