改进的人工鱼群算法

通过对人工鱼群算法的研究,给出了改进的人工鱼群算法。采用最优个体保留策略对觅食行为进行改进,防止群体中最优个体的退化;给出加速个体局部搜索方法,改进算法中的聚群行为和追尾行为,使全局最优值更快地突现出来;根据双射的定义和性质,在不影响最终寻优结果的情况下对问题的搜索域进行\"缩小\",从而加速了全局搜索。仿真结果表明改进的人工鱼群算法具有求解精度高、寻优成功率高、收敛速度快、算法稳定等优点。     

量子人工鱼群算法

融合量子计算与智能优化的新型高效优化算法层出不穷,成为现在优化算法研究的主流.为此,将量子计算引入到人工鱼群算法中,提出一种新型的量子进化算法———量子人工鱼群算法.该算法用量子计算的方法重新描述了人工鱼的行为,用量子比特对人工鱼进行编码,用量子旋转门实现人工鱼的更新操作,用量子非门进行人工鱼变异,从而实现了目标的优化求解.并分别以函数极值和TSP问题为例进行了仿真,验证了算法的有效性.     

人工鱼群算法在生产函数参数估计中的应用

生产函数在生活中有着举足轻重的作用,合理地选择估计生产函数参数的方法尤为重要.常用的C-D生产函数为多元非线性函数,用传统方法进行参数估计存在一定的局限性.基于人工鱼群算法能够克服局部极值、鲁棒性强等特点,给出了一种生产函数中参数估计的通用新方法,该方法首先将生产函数模型中的参数构造成人工鱼模型,利用残差平方和设计食物浓度函数,然后通过人工鱼的随机、觅食、聚群、追尾等行为,对生产函数中的参数进行估计.以美国马萨诸塞州1820-1926年的产值、资金投入和劳动力投入数据做仿真实验,结果表明,该算法在生产函数参数估计中具有寻优速度快的特点,且可得到最小的回归残差平方和.     

基于水流作用机制的人工鱼群算法

针对人工鱼群算法(AFSA)在函数优化问题中易陷入局部极值和求解精度较低的缺点,提出了一种在基本人工鱼群算法中引入水流作用机制的改进方案。通过水流作用机制中的持续性水流和周期性水流对鱼群施加的有益影响来改进原有算法。持续性水流影响鱼群的体力变化从而控制视野和步长参数的自适应调整以提高求解精度;周期性水流冲击鱼群并改变部分鱼的位置,从而保持鱼群的种群多样性以利于全局收敛。仿真实验结果表明:本文的改进算法具有更高的求解精度和更好的全局搜索性能,并验证了算法的有效性。     

基于文化算法的改进遗传人工鱼群优化算法

针对人工鱼群算法精度不高,后期收敛速度慢等缺点,文章提出了一种基于文化算法框架的遗传人工鱼群优化算法。该算法利用文化算法框架,建立了遗传算法优化的信仰空间和人工鱼群算法优化的种群空间,两个空间并行演化,同时通过接受函数和影响函数相互促进,克服了人工鱼群算法易陷入局部极值导致后期收敛速度慢和精度不高的缺点。通过对4个基准测试函数进行求解,表明了该算法相比基本鱼群算法在求解过程中精度更高,鲁棒性更强,收敛速度更快。     

改进人工鱼群算法及其在QoS组播路由问题中的应用

提出了一个基于蚁群算法和人工鱼群算法相结合的QoS组播路由算法.首先利用改进的Salama网络拓扑随机生成算法,随机生成一个网络拓扑图,再利用蚁群算法并行搜索的特点找出大量满足约束条件的可行路径,创建备选路径集,最后使用人工鱼群算法在所创建的备选路径集中,通过执行觅食、聚群、追尾等行为求解最优组播树.仿真结果表明,该算法跟基本的鱼群算法相比有着更高更快的效率,能够尽快的找到最优的组播树,并具有更好的全局优化性能,适合于高速的、实时的多媒体传输网络.     

改进人工鱼群算法在气溶胶粒径分布反演中的应用

基于光谱消光法,利用一种改进的人工鱼群算法（improved artificial fish school algorithm,IAFSA）反演单峰和双峰气溶胶粒子粒径分布。其中,正问题的求解采用反常衍射近似（anomalous diffraction approximation,ADA）和Lambert-Beer定律。研究结果表明:相对标准人工鱼群算法而言,IAFSA能很好地避免出现后期收敛速度慢、精度低等问题。在非独立模型下反演气溶胶粒径分布时,IAFSA算法体现出很好的收敛精确度和鲁棒性。在非独立模型下,IAFSA算法可用于反演实际测量得到的哈尔滨地区气溶胶粒径分布。     

基于改进人工鱼群算法的PID控制器参数优化

针对基本人工鱼群算法易陷入局部极值,难以保证得到全局最优解的问题,提出基于改进人工鱼群算法的PID控制器参数优化方法,在其基础上,引入了攻击行为,即当水中的食物稀少时,鱼就会因为抢夺食物而发生攻击其他鱼的行为。通过仿真实验证明,具有攻击行为的人工鱼群算法有助于引导人工鱼跳出局部最优解域,在全局范围内搜索最优解,提高了PID控制器参数优化的效率。     

人工鱼群算法在孔群加工路径优化中的应用研究

将人工鱼群算法应用于孔群加工路径优化的研究,建立以最短加工路径为目标的路径优化数学模型,阐述算法实施的具体过程并进行算例分析.结果表明,该方法求最优解的性能优于Hopfield算法、进化蚁群算法、人工免疫算法以及改进的遗传算法,获得的最优路径可以节省71.47%的行走路程.     

改进的人工鱼群算法在置换Flow Shop调度中的应用

分析了人工鱼算法(AFSA)存在的不足,在保持AFSA算法基本行为的基础上,提出了在觅食行为过程中采用基于交换列表的排序法,在随机移动行为中采用自适应的小范围移动行为的改进人工鱼群算法。根据置换Flow Shop调度问题的数学模型,给出了基于改进的人工鱼群算法的置换Flow Shop调度问题的求解策略,并详细讨论了求解步骤。仿真实验结果表明:该算法具有较强的全局搜索能力、更高的搜索效率,同时验证了该算法的可行性和有效性。     

利用人工鱼群算法求解一类函数的极值

人工鱼群算法是一种基于动物行为的群体智能寻优算法。具有并行性、全局性、简单性、快速性、跟踪性等优点。可以处理一些非凸、非线性等方面的问题．针对一类不可用经典方法求解极值的函数,提出了一种基于人工鱼群算法求解这一类函数极值的方法,并通过仿真实验的研究,验证了该算法求解函数极值是有效可行的．     

基于人工鱼群的交通诱导系统最优查询研究

与齐齐哈尔市公安交通警察支队交通控制中心合作开发,并以齐齐哈尔市路况为实际进行凋研,将改进的人工鱼群算法应用于交通路径诱导系统数据库优化查淘中,算法提高了最优路径查询的效率。对人工鱼群算法进行了改进,引入贝叶斯变异算子和十字交叉变异算子,避免了算法局部寻优能力差和收敛速度慢等弊端。仿真实验表明算法是正确有效性的。     

基于粒子群优化的结构系统识别

研究了使用粒子群优化(PSO)算法进行结构系统识别的方法,该方法的基本思想是将结构系统识别问题描述成一个多峰值非线性非凸的优化问题,通过PSO算法发现系统参数的最优估计.利用该方法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了识别,并与基于遗传算法(GA)的结构系统识别方法进行了比较.数值算例及比较结果表明:PSO方法易于实现且计算时占用资源低,并可以成功地对结构系统进行识别,识别效能十分优越.     

基于最小二乘支持向量机和人工鱼群算法的预应力锚杆布置间距优化

为了以有限的实验数据确定预应力锚杆布置的合理间距,结合山东省境内的104国道界河立交桥加筋土挡土墙的失稳加固工程实例,首先通过最小二乘支持向量机拟合优化对象与优化目标之间的复杂函数关系建立模型,然后采用现场实验数据样本进行模型训练,最后采用人工鱼群算法对模型进行优化,获得合理的布置间距,并通过加固效果监测验证了参数的合理性.结果表明,该法具有建模容易、收敛快和计算精度高等特点,说明该模型是合理可行的.     

多感官群集智能算法及其在前向神经网络训练方面的应用

针对连续域函数优化问题,提出了一种新的全局极大值搜索方法--多感官群集智能算法(multi-sense swarm intelligence algorithm,MSA). 受鱼群算法(artificial fish-swarm algorithm,AFA)和FS算法(free search algorithm,FSA)的启发,MSA的搜索机制将大范围勘察和小范围精确搜索相结合,个体在使用视觉信息快速逼近局部较优解的同时,利用嗅觉信息避免群体过于集中并引导个体向全局较优解方向移动. 仿真结果证明:MSA鲁棒性较强,全局收敛性好,收敛速度较快,收敛精度较高. 最后,将该方法应用于前向神经网络训练,结果表明满足应用要求.     

一种自适应免疫遗传算法及其在系统辨识和参数优化中的应用

基于遗传算法与免疫系统的机理,提出了一种自适应免疫遗传算法(AIGA).该算法定义了选择、扩展与突变等操作,通过对选择比例、扩展半径、突变半径的约束和参数的自适应调节,提高了算法的全局与局部搜索能力.同时,将AIGA用于系统辨识以及PID参数的优化中,进行了仿真实验,取得了较好的结果,证明了该方法的有效性.     

一种改进的粒子群优化算法

针对粒子群优化算法在迭代后期容易陷入局部最优、收敛速度变慢,精度降低、计算效率变差等缺点,提出了一种改进的粒子群优化算法.此算法通过引入惯性权重来调节粒子的速度变化,动态变化的学习因子来平衡粒子的社会学习能力和自我学习能力.通过测试函数检验,结果显示该算法能够有效摆脱局部最优,整个收敛速度明显变快,精度大幅提高.     

新型的融合优化算法及其在电力系统中的应用

提出了一种新型的融合优化算法,该算法结合了遗传算法(GA)的复制、交叉、变异操作以及粒子群优化算法(PSO)的个体速度和位置更新的原理,并将混沌的概念引入其中,它的性能要优于GA和PSO.在标准测试函数上进行了仿真比较,验证了新型算法的有效性.最后,这种新的融合优化算法被应用到了电力系统最优潮流的计算中,对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法进行比较,结果表明新型的融合优化算法具有更好的优化性能.     

基于改进的AFSA算法对复杂系统的寻优

由于工程中的复杂系统常常具有非线性的特点,因此寻找满足系统要求的最低成本成了复杂系统设计的难点。针对这一问题,文章对常规的人工鱼群算法(artificial fish school algorithm,AFSA)进行了双空间自适应嵌套式的改进,探讨了改进后的AFSA算法在复杂系统寻优中的可行性,并对3个测试的复杂系统进行了分析计算;结果表明,与原算法相比,改进后的算法在提升寻优精确度与收敛速度方面有很好的效果。     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.