一类非线性年龄结构鱼群系统的稳定性

讨论了具有年龄结构的鱼群系统的稳定性，证明了其平衡解是全局渐近稳定的．关键词     

动物如何导航

每年春秋季节，候鸟都要成群结队地作长途迁徙，或从北方飞向南方，或从南方飞向北方；在波涛汹涌的大海中，鱼群也要在越冬地与繁殖地之间往返洄游，在遥远的路途中，它们要觅食、辨向，要绕开障碍物。那么，它们都是用什么方法来导航的呢?科学家们经过深入研究，正逐步揭开动物导航的秘密：动物利用它们特殊的感官系统，并借助大自然中的各种因素例如太阳、星辰、地形、风向、磁场、偏振光、气味等进行导航。     

基于改进的Fish-search算法的信息检索研究

分析了动态搜索算法“Fish-search”相对于一般深度优先算法的优势,但存在由于搜索范围的随机性导致重复搜索及搜索时间过长.通过对鱼群群聚行为的分析,定义一个参数“dist”来控制搜索的范围和时间,使得搜索过程能自适应地调整搜索范围.     

基于人工鱼群算法优化神经网络的WSN数据融合

无线传感网(wireless sensor network, WSN)通常节点众多、数据冗余度高,传统的基于随机权值和阈值的前馈反向传播神经网络(back propagation neural network, BPNN)数据融合方法易陷入局部极值,导致融合结果准确性差。提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法-人工鱼群算法前馈反向传播(artificial fish swarm algorithm back propagation, AFSABP)神经网络数据融合。仿真和对比实验结果表明,改进的鱼群算法在收敛速度和寻优精度上都有明显提升,改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法,可减少3.06%的相对误差和3.74%的均方根误差。     

混沌人工鱼群的鲁棒保性能控制权值矩阵优化方法

针对鲁棒保性能控制中的权值矩阵依赖经验选取,无法最大限度的减小系统保守性的问题,提出了一种基于混沌人工鱼群算法的鲁棒保性能控制权值矩阵优化方法.该方法中,将保性能控制鲁棒界作为优化的目标函数来寻找最优权值矩阵是整个算法实现的关键.该种改进的人工鱼群优化算法融合了混沌搜索与自适应步长和视野的人工鱼群优化算法,有效的解决了基本人工鱼群算法的后期收敛速度慢、易陷入局部最优等缺点.通过测试函数对比验证了该种改进人工鱼群优化算法的优越性,并通过应用实例验证了该权值矩阵优化方法的有效性.     

基于鱼群算法的油田多级站定位优化方法研究

为了解决油田多级站定位优化问题,建立了该问题的大规模非线性MIP模型,该模型用传统方法求解相当困难.为了方便鱼群算法对该问题的求解和提高解算速度,对模型中的连续实型变量进行离散化处理,从而使整个优化模型变成纯0-1非线性IP模型.在解算过程中,用人工鱼体能累计和消耗程度来调度人工鱼行为;用海明距离度量人工鱼个体间的距离;采用随机步距移动的贪婪法描述个体追尾行为;采用鱼群规模、视野大小、拥挤程度和最低生存体能控制等方法实现局部最优解逃逸策略;采用最大迭代次数和迭代过程中最优解平均值变化程度来控制迭代终止时机.算例结果表明,该算法计算速度和稳定性有较大提高,可在微机上稳定地获取问题的最优解.     

趣闻

冰里的动物 挪威广播公司（NRK）近日爆料了一件今年冬天以来很有意思的事情。在挪威一个名为罗文德（Lovund）的小岛附近，一大群鱼在正在游动的过程中突然遇到海冰冻结，结果被冻在了浮冰里。其实当地海边气温仅为零下7．8摄氏度，并不算低，不过极为猛烈的东风还是一瞬间卷走了水面的温度，冻住了海水，顺便也冻住了鱼群。见到照片的专家认为，图中的冻鱼竟然保持在这么一种集群游动状态可能是因为其当时正在躲避捕食者，恰好遇到海水快速冻结。     

基于人工鱼群神经网络的城市时用水量预测方法

城市供水时用水量预测精度对城市供水系统具有重要影响.传统的反向传播(back-propaganda,BP)神经网络预测方法容易陷入局部解,并且需要大量的训练数据.人工鱼群算法具有较优的全局收敛能力及较快的寻优速度.为此,利用人工鱼群算法对BP神经网络的初始权值和阈值进行优化,建立了一种新的时用水量预测模型.将该模型应用到华北某市时用水量的预测中,预测结果表明人工鱼群神经网络算法的均方差比BP神经网络算法的均方差小5%.实例证明,人工鱼群神经网络比BP神经网络的预测精度更高,收敛速度更快.人工鱼群神经网络算法可用于短期水量预测.     

一种基于人工鱼群算法的K覆盖WiFi热点安置方案

针对室内定位导航、多路由选择等热门应用中对多次无线信号覆盖的需求,提出了一种基于改进的人工鱼群优化算法的K覆盖安置策略.其中特别设计出一种简单的障碍物干扰描述模型,以期更真实地刻画应用场景.仿真结果表明,我们的方法可在保证覆盖的前提下,明显节省AP数量同时改善节点的聚集.     

文化算法框架下混合群智能算法的肿瘤信息基因选择

为了消除与分类无关和冗余基因,以提高基因的分类精度和效率,提出一种文化算法框架下混合群智能算法的肿瘤信息基因选择方法.首先采用ReliefF算法初选基因子集,然后利用文化算法框架下混合群智能算法选择最优的信息基因,最后在3个标准肿瘤信息基因数据集对其性能进行测试.仿真结果表明,文化算法框架下混合群智能算法可以有效去掉无用的噪声基因,降低计算复杂度,分类精度均可以达到100%,具有较好的实际应用价值.