人工魚群算法的改進及應(yīng)用.pdf

1、優(yōu)化命題的解決存在于許多領(lǐng)域，對于國民經(jīng)濟的發(fā)展也有著巨大的應(yīng)用前景。隨著優(yōu)化對象在復(fù)雜化和規(guī)模化等方面的提高，基于嚴格機理模型的傳統(tǒng)優(yōu)化方法在實施方面變得越來越困難。 人工魚群算法是一種基于行為的人工智能思想的動物自治體模式，它具有對目標函數(shù)、初始值和參數(shù)設(shè)定要求不高，具備并行處理能力和全局搜索能力等方面的特點。本文主要研究了人工魚群算法的改進與應(yīng)用，并進行了仿真研究。主要研究內(nèi)容如下： 對無約束函數(shù)優(yōu)化、約束函數(shù)優(yōu)化

2、和多目標函數(shù)優(yōu)化，這三類連續(xù)函數(shù)優(yōu)化問題，采用人工魚群算法分別進行了應(yīng)用研究。 通過對人工魚群算法的各參數(shù)特性分析，引入了分段尋優(yōu)、自適應(yīng)參數(shù)修正的方法，結(jié)合人工魚群算法本身的特點，形成了一種自適應(yīng)人工魚群算法。通過測試函數(shù)的驗證表明該算法在求解非約束連續(xù)優(yōu)化問題中，具有收斂速度快，尋優(yōu)精度高的特點。 針對約束優(yōu)化問題，引入了半可行域的概念，提出競爭選擇的新規(guī)則，并改進了基于競爭選擇和懲罰函數(shù)的進化算法的適應(yīng)度函數(shù)；同時

3、設(shè)計了選擇算子對半可行域進行操作，得到了一個利用AFSA求解約束優(yōu)化問題的新方法，通過若干非線性等式約束和不等式約束問題的驗證表明該算法在求解此類問題中，具有較好的穩(wěn)定性和收斂精度。 在求解多目標問題中，將ParetO最優(yōu)規(guī)則與人工魚群算法相結(jié)合，基于多維進化思想，按給出的樣本序值定義對魚群中的樣本分別進行存檔分離，給出了一種求解多目標優(yōu)化問題的新的人工魚群存檔算法。數(shù)據(jù)試驗表明，該算法能找到數(shù)量較多，分布較廣的Pareto最優(yōu)