發(fā)布時(shí)間：2021-01-11 04:38

　　優(yōu)化問(wèn)題遍布在生活中的每個(gè)角落,在計(jì)算機(jī)科學(xué)、電子工程、人工智能、通信技術(shù)、信號(hào)處理等領(lǐng)域上都存在著大量復(fù)雜的優(yōu)化問(wèn)題,包括一些多變量、多維、多條件、多峰、多目標(biāo)等問(wèn)題,數(shù)不勝數(shù).然而,求解優(yōu)化問(wèn)題方法較多,主要包括經(jīng)典算法、構(gòu)造型算法、局部搜索算法、指導(dǎo)性搜索算法、基于系統(tǒng)動(dòng)態(tài)演化的方法、群智能算法等.用經(jīng)典算法和構(gòu)造型算法解決多變量、多維、多條件、多峰、多目標(biāo)的復(fù)雜優(yōu)化問(wèn)題的效果往往不理想,甚至方法行不通.而指導(dǎo)性搜索算法對(duì)于這類(lèi)復(fù)雜的優(yōu)化問(wèn)題的應(yīng)用效果更顯著,適應(yīng)性更廣泛,穩(wěn)定性更好,效率更高.人工魚(yú)群算法（AFSA）是根據(jù)魚(yú)群的行為而提出的一種群智能優(yōu)化算法.該算法是一種有效的尋優(yōu)算法,具有較強(qiáng)的全局搜索能力、收斂速度快、魯棒性強(qiáng)、對(duì)初值要求不高、算法容易實(shí)現(xiàn)等優(yōu)勢(shì),在通信、信號(hào)圖像處理、數(shù)據(jù)挖掘、控制領(lǐng)域等多個(gè)領(lǐng)域得到廣泛應(yīng)用,國(guó)內(nèi)外解決實(shí)際工程優(yōu)化問(wèn)題的案例越來(lái)越多并取得很好的效果.然而,人工魚(yú)群算法尚且比較年輕,理論基礎(chǔ)薄弱,參數(shù)設(shè)置不嚴(yán)謹(jǐn),收斂精度不高,容易陷入局部極值.日后,該算法有待于進(jìn)一步發(fā)展和完善.本文針對(duì)魚(yú)群算法容易早熟收斂、搜索精度不高等缺點(diǎn)進(jìn)行改進(jìn),最后將... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

覓食行為的流程圖

群行為片水域中,魚(yú)群密集的地方往往說(shuō)明該水域的食物濃度比較高.魚(yú)存和躲避危害的目的,同時(shí)達(dá)到共享信息尋求食物濃度更高的地方過(guò)高,則說(shuō)明食物濃度相對(duì)不高,魚(yú)群過(guò)于擁擠.所以,人工魚(yú)i的當(dāng)為 if X ,在視野visual 內(nèi)的伙伴數(shù)目nf 及中心位置cX .若 c f X if f X,說(shuō)明中心位置cX 的食物比當(dāng)前位置iX 食物更豐富且i向中心位置cX 前進(jìn)一步1(),i itt t c itc iX XX X step randX X 覓食行為.聚群行為,流程圖如圖 2-3 所示：

圖 2-4 追尾行為的流程圖Figure2-4 Flow chart of follow behavior為更大范圍更有效的尋找食物或伙伴,會(huì)不斷地在水域中游來(lái)游滿(mǎn)足執(zhí)行覓食行為的條件時(shí),則隨機(jī)移動(dòng)一步1().i it tX X step rand 評(píng)價(jià)試探法進(jìn)行行為的評(píng)價(jià),進(jìn)而執(zhí)行、實(shí)現(xiàn)全局尋優(yōu).人工魚(yú)模擬為后取得的值,對(duì)比后,選取最優(yōu)的行為執(zhí)行實(shí)施.其中,覓食行模擬執(zhí)行聚群行為、追尾行為、覓食行為仍不能模擬前進(jìn)的條

【參考文獻(xiàn)】：
期刊論文
[1]基于人工魚(yú)群粒子濾波的信號(hào)源定位[J]. 杜太行,趙黎媛,江春冬,于晗.  電訊技術(shù). 2016(12)
[2]改進(jìn)的人工魚(yú)群算法在邯鄲市水資源優(yōu)化配置中的應(yīng)用[J]. 李蘇,劉彬.  水電能源科學(xué). 2016(12)
[3]優(yōu)化的人工魚(yú)群和FCM的混合聚類(lèi)算法[J]. 戴月明,趙莉莉.  計(jì)算機(jī)應(yīng)用與軟件. 2016(12)
[4]基于人工魚(yú)群算法的彩色圖像檢索方法[J]. 薛亞娣,阮文惠.  西安工程大學(xué)學(xué)報(bào). 2016(05)
[5]粒子群優(yōu)化人工魚(yú)群算法[J]. 梁毓明,裴興環(huán).  計(jì)算機(jī)仿真. 2016(06)
[6]自適應(yīng)重生魚(yú)群優(yōu)化算法[J]. 易正俊,韋磊鵬,袁玉興.  計(jì)算機(jī)應(yīng)用與軟件. 2016(06)
[7]基于改進(jìn)人工魚(yú)群算法在無(wú)線傳感網(wǎng)絡(luò)覆蓋優(yōu)化中的研究[J]. 傅彬.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2015(12)
[8]求解TSP的離散人工蜂群算法[J]. 于宏濤,高立群,田衛(wèi)華.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(08)
[9]基于DNA的改進(jìn)人工魚(yú)群算法[J]. 費(fèi)騰,張立毅,白煜,陳雷.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2016(06)
[10]基于信息權(quán)重自適應(yīng)蟻群算法求解TSP問(wèn)題[J]. 王敏.  中國(guó)科技論文. 2015(05)

博士論文
[1]一種新型的智能優(yōu)化方法-人工魚(yú)群算法[D]. 李曉磊.浙江大學(xué) 2003



本文編號(hào)：2970102