人工魚群智能優(yōu)化算法的改進與應用研究.pdf

1、隨著工業(yè)生產(chǎn)擴大，存在于工業(yè)生產(chǎn)中的優(yōu)化問題也隨之增加，自1980年代以來，科學家提出了許多解決這類優(yōu)化問題的的智能算法，它們以自然界動物的生活習性為研究對象，抽象出一系列的解決這類工業(yè)生產(chǎn)問題的新思路和新方法，自誕生就聚集了國內(nèi)外研究人員的目光，同時智能算法被廣泛應用于工業(yè)生產(chǎn)領域。人工魚群算法（Artificial Fish Swarm Algorithm，AFSA）通過對魚群覓食行為、聚群行為和追尾行為的研究而提出的一種新的群體智

2、能優(yōu)化算法。該算法具有較好的全局搜索能力、收斂速度快、應用范圍廣等優(yōu)點。但AFSA在解決實際問題中也有著許多不足，如后期收斂慢、搜索精度低等問題。為此，本文著重從算法的改進和應用兩方面進行研究。主要研究工作如下：
　?。?）針對AFSA在較平坦的區(qū)域容易陷入漫無目的的隨機游動和在算法末期收斂速度減慢、搜索能力降低等問題，提出了一種帶變異算子與動態(tài)視野和步長的人工魚群智能優(yōu)化算法。改進的算法在繼承了AFSA簡單、易實現(xiàn)的優(yōu)點的同時，

3、也相應的克服了人工魚盲目隨機游動或在非全局極值點聚集密度高的限制，從而提高了算法的在運行效率和精確度方面的性能。
　?。?）針對BP神經(jīng)網(wǎng)絡收斂速度慢、易陷入局部極值的缺點，提出將改進的AFSA用于BP神經(jīng)網(wǎng)絡學習過程中。通過引入變異算子、改進人工魚的視野和搜索步長，使得AFSA算法具有較好的全局搜索能力和較快的搜索效率。通過把改進的AFSA算法用于BP神經(jīng)網(wǎng)絡的權值和閾值的訓練中，提高提高了神經(jīng)網(wǎng)絡的訓練速度和訓練精度。