人工魚群算法及其應(yīng)用研究.pdf

1、當前科學(xué)技術(shù)正進入了多學(xué)科相互交叉、相互滲透、相互影響的時代。隨著人類探索腳步的不斷前進,復(fù)雜性、非線性、系統(tǒng)性的問題越來越多的呈現(xiàn)在人們眼前。面對系統(tǒng)的復(fù)雜性,傳統(tǒng)方法已經(jīng)逐漸陷入困境,尋找一種適合大規(guī)模并行且具有智能特征的優(yōu)化算法已成為有關(guān)學(xué)科的一個主要研究目標。人工魚群算(AFSA)是最近幾年由國內(nèi)學(xué)者提出的一種基于動物行為的群體智能優(yōu)化算法,是行為主義人工智能的一個典型應(yīng)用,該算法已經(jīng)成為交叉學(xué)科中一個非常活躍的前沿性研究問題。

2、但該算法的研究剛剛起步,一些思想處于萌芽階段,理論基礎(chǔ)薄弱,同時算法本身存在保持探索與開發(fā)平衡的能力較差、運行后期搜索的盲目性較大、尋優(yōu)結(jié)果精度低和運算速度慢等缺點,從而影響了該算法搜索的質(zhì)量和效率。因此研究人工魚群算法,加強其理論基礎(chǔ),解決算法本身存在的問題,完善算法,提高算法求解各類優(yōu)化問題的適應(yīng)性及算法的優(yōu)化性能,拓展其應(yīng)用領(lǐng)域,對群體智能算法的研究與應(yīng)用具有促進和推動作用,對復(fù)雜的、非線性和系統(tǒng)性問題的解決提供一條新的途徑。

3、r>　　 本文針對人工魚群算法理論基礎(chǔ)薄弱和算法本身存在的問題,從人工魚群算法的生物學(xué)基礎(chǔ)、改進技術(shù)、拓撲結(jié)構(gòu)、收斂性、參數(shù)設(shè)置、簡化模型及應(yīng)用等方面做了較為系統(tǒng)的研究工作,主要研究成果包括:
　　 1.對人工魚群算法的改進技術(shù)進行了深入研究,提出了幾種新的改進算法:①對視野和步長進行非動態(tài)調(diào)整,改進覓食行為,提出一種改進的人工魚群算法;②利用正交試驗的原理,引入鄰域正交交叉算子,提出基于鄰域正交交叉算子的人工魚群算法;③基于

4、多個人工魚群的并行性,提出多人工魚群協(xié)同優(yōu)化算法;④將粒子群優(yōu)化算法同人工魚群算法結(jié)合,提出PSO和AFSA的混合優(yōu)化算法:⑤引入智能體系統(tǒng),提出多智能體人工魚群算法。通過仿真試驗驗證了改進的新算法的有效性。
　　 2.對人工魚群算法的種群拓撲結(jié)構(gòu)進行研究,通過仿真試驗,對幾種常見的拓撲結(jié)構(gòu)的性能進行分析,并在此基礎(chǔ)上,提出了全局版人工魚群算法和基于馮·諾依曼鄰域結(jié)構(gòu)的人工魚群算法。全局版人工魚群算法中用整個人工魚群的中心位置代

5、替當前人工魚的鄰域內(nèi)伙伴的中心位置,用整個人工魚群的全局最優(yōu)位置代替當前人工魚的鄰域內(nèi)伙伴的最優(yōu)位置,從而減少了計算量,加快了算法的運算速度。在基于馮·諾依曼鄰域結(jié)構(gòu)的人工魚群算法中,每個人工魚具有一定局部性,它只和鄰域內(nèi)其它人工魚交換信息,實現(xiàn)了種群內(nèi)每個人工魚信息的充分利用,從而引導(dǎo)種群朝多個方向進化,因此,該算法能夠有效地維持種群的多樣性,抑制早熟現(xiàn)象,且具有一定的全局性。仿真實驗說明,這兩種基于拓撲結(jié)構(gòu)的改進算法具有更好的優(yōu)化性

6、能。
　　 3.利用Markov的基本理論,證明了人工魚群算法的收斂性,分析了AFSA的主要參數(shù)對算法性能的影響,并通過仿真實驗,對AFSA的參數(shù)選取進行了較為細致的研究,總結(jié)出了一些指導(dǎo)規(guī)律,為人工魚群算法的研究提供了很好的參考依據(jù)。
　　 4.針對人工魚群算法運行速度慢的缺點,對人工魚的覓食行為、聚群行為、追尾行為和行為選擇進行了分析和改進,給出了人工魚群算法的進化方程,提出了一種簡化的人工魚群算法模型,該模型具有更

7、快的收斂速度和更優(yōu)的尋優(yōu)性能。
　　 5.將人工魚群算法應(yīng)用在水資源環(huán)境工程中,包括水位流量關(guān)系擬合、河流橫向擴散系數(shù)確定和蘭州黃河段水質(zhì)評價,并取得了較好的效果,說明人工魚群算法能有效地解決大多數(shù)優(yōu)化問題,具有廣泛的實用價值和良好的應(yīng)用前景。
　　 總之,論文對人工魚群算法做了較為全面深入的分析和討論,提出了多種有效的改進措施,并證明了算法的收斂性,分析了算法的參數(shù)性能,提出了簡化模型,實現(xiàn)了算法的應(yīng)用。最后對所做工作