改进的人工鱼群算法及其应用研究

在社会生活中存在着大量的优化问题,它们对于国民经济的发展也有着巨大的应用前景。可是面对优化问题的复杂性,传统方法已经逐渐陷入困境。这时,通过模拟某一自然现象或过程而发展起来的智能仿生优化算法,为解决复杂系统的优化问题提供了新的思路和手段,自诞生起就引起了国内外学者的广泛关注并被应用于许多领域。人工鱼群算法是一种新型的智能仿生优化算法,源于对鱼群运动行为的研究。它具有较强的鲁棒性、优良的分布式计算机制、易于和其他方法结合等优点。目前对该算法的研究、应用已经渗透到多个应用领域。本文主要以人工鱼群算法为研究对象,系统研究了人工鱼群算法的构造原理及改进策略,并在此基础上提出了一种基于和声搜索算法的改进人工鱼群算法。主要研究内容如下：(1)简要介绍了智能仿生优化算法及群体智能的相关内容,详细论述了人工鱼群算法的生物学基础、基本原理、数学模型和算法流程,对人工鱼群算法的研究进展进行了综述,说明了研究人工鱼群算法的意义。通过仿真实验,分析了AFSA的主要参数对算法性能的影响,为人工鱼群算法的研究提供了很好的参考依据。(2)对基本人工鱼群算法的缺陷进行了总结,归纳给出了改进算法性能的方法与步骤。在前面研究的基础上,针对人工鱼群算法的缺陷,吸收多种改进算法的优点,提出了一种基于和声搜索算法的改进人工鱼群算法。即将和声优化算法中的两个控制参数HMCR和PAR的设计思想应用于人工鱼群算法,从而改善人工鱼的游动行为,提高了人工鱼的全局寻优能力,并通过标准测试函数对新算法的性能进行了测试,从算法迭代速度、收敛精度和复杂度等方面进行了全面的对比考察,通过实验证明了这种改进的人工鱼群算法相对于基本人工鱼群算法而言有着更好的收敛性能,是一种行之有效的改进方法。(3)将新算法应用到TSP问题中,进行了仿真实验,结果表明基于和声搜索的人工鱼群算法的收敛率更好,具有更好的全局收敛性能。