人工鱼群算法的改进及在旅行商问题中的研究

发布时间：2021-01-11 04:38

　　优化问题遍布在生活中的每个角落,在计算机科学、电子工程、人工智能、通信技术、信号处理等领域上都存在着大量复杂的优化问题,包括一些多变量、多维、多条件、多峰、多目标等问题,数不胜数.然而,求解优化问题方法较多,主要包括经典算法、构造型算法、局部搜索算法、指导性搜索算法、基于系统动态演化的方法、群智能算法等.用经典算法和构造型算法解决多变量、多维、多条件、多峰、多目标的复杂优化问题的效果往往不理想,甚至方法行不通.而指导性搜索算法对于这类复杂的优化问题的应用效果更显著,适应性更广泛,稳定性更好,效率更高.人工鱼群算法（AFSA）是根据鱼群的行为而提出的一种群智能优化算法.该算法是一种有效的寻优算法,具有较强的全局搜索能力、收敛速度快、鲁棒性强、对初值要求不高、算法容易实现等优势,在通信、信号图像处理、数据挖掘、控制领域等多个领域得到广泛应用,国内外解决实际工程优化问题的案例越来越多并取得很好的效果.然而,人工鱼群算法尚且比较年轻,理论基础薄弱,参数设置不严谨,收敛精度不高,容易陷入局部极值.日后,该算法有待于进一步发展和完善.本文针对鱼群算法容易早熟收敛、搜索精度不高等缺点进行改进,最后将... 

【文章来源】：广东工业大学广东省

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

觅食行为的流程图

群行为片水域中,鱼群密集的地方往往说明该水域的食物浓度比较高.鱼存和躲避危害的目的,同时达到共享信息寻求食物浓度更高的地方过高,则说明食物浓度相对不高,鱼群过于拥挤.所以,人工鱼i的当为 if X ,在视野visual 内的伙伴数目nf 及中心位置cX .若 c f X if f X,说明中心位置cX 的食物比当前位置iX 食物更丰富且i向中心位置cX 前进一步1(),i itt t c itc iX XX X step randX X 觅食行为.聚群行为,流程图如图 2-3 所示：

图 2-4 追尾行为的流程图Figure2-4 Flow chart of follow behavior为更大范围更有效的寻找食物或伙伴,会不断地在水域中游来游满足执行觅食行为的条件时,则随机移动一步1().i it tX X step rand 评价试探法进行行为的评价,进而执行、实现全局寻优.人工鱼模拟为后取得的值,对比后,选取最优的行为执行实施.其中,觅食行模拟执行聚群行为、追尾行为、觅食行为仍不能模拟前进的条

【参考文献】：
期刊论文
[1]基于人工鱼群粒子滤波的信号源定位[J]. 杜太行,赵黎媛,江春冬,于晗.  电讯技术. 2016(12)
[2]改进的人工鱼群算法在邯郸市水资源优化配置中的应用[J]. 李苏,刘彬.  水电能源科学. 2016(12)
[3]优化的人工鱼群和FCM的混合聚类算法[J]. 戴月明,赵莉莉.  计算机应用与软件. 2016(12)
[4]基于人工鱼群算法的彩色图像检索方法[J]. 薛亚娣,阮文惠.  西安工程大学学报. 2016(05)
[5]粒子群优化人工鱼群算法[J]. 梁毓明,裴兴环.  计算机仿真. 2016(06)
[6]自适应重生鱼群优化算法[J]. 易正俊,韦磊鹏,袁玉兴.  计算机应用与软件. 2016(06)
[7]基于改进人工鱼群算法在无线传感网络覆盖优化中的研究[J]. 傅彬.  计算机系统应用. 2015(12)
[8]求解TSP的离散人工蜂群算法[J]. 于宏涛,高立群,田卫华.  东北大学学报(自然科学版). 2015(08)
[9]基于DNA的改进人工鱼群算法[J]. 费腾,张立毅,白煜,陈雷.  天津大学学报(自然科学与工程技术版). 2016(06)
[10]基于信息权重自适应蚁群算法求解TSP问题[J]. 王敏.  中国科技论文. 2015(05)

博士论文
[1]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003



本文编号：2970102