人工魚群算法綜述

1、人工魚群改進(jìn)算法研究綜述摘要：人工魚群算法源于對(duì)魚群運(yùn)動(dòng)行為的研究，是一種新型的群體智能隨機(jī)全局優(yōu)化算法，人工魚群算法(AFSA)起步較晚，還存在著許多不足之處。因此本文主要通過闡述魚群算法的基本理論的同時(shí)，對(duì)人工魚群算法的改進(jìn)方法進(jìn)行文獻(xiàn)綜述，并根據(jù)這些改進(jìn)方法指出了人工魚群算法未來的改進(jìn)與研究方向。關(guān)鍵詞：人工魚群算法 算法改進(jìn) 綜述引言1.1 人工魚群算法的基本概念人工魚群算法是李曉磊等 ADDIN EN.CITE 李曉磊200215515515517李曉磊邵之江錢積新一種基于動(dòng)物自治體的尋優(yōu)模式: 魚群算法系統(tǒng)工程理論與實(shí)踐系統(tǒng)工程理論與實(shí)踐32-38221120021人于2002年提

2、出的一種基于動(dòng)物自治體 ADDIN EN.CITE Maes19961561561566Maes, PattieFrom animals to animats 4: Proceedings of the fourth international conference on simulation of adaptive behavior41996The MIT Press0262631784Dean199815715715717Dean, JeffreyAnimats and what they can tell usTrends in Cognitive SciencesTrends in C

3、ognitive Sciences60-67221998Elsevier1364-66132-3的優(yōu)化方法,是集群智能思想 ADDIN EN.CITE Bonabeau200015815815817Bonabeau, EricThraulaz, GuySwarm smartsScientific AmericanScientific American72-79282320000036-87334的一個(gè)具體應(yīng)用，該算法根據(jù)水域中魚生存數(shù)目最多的地方就是本水域中富含營養(yǎng)物質(zhì)最多的地方這一特點(diǎn)來模擬魚群的覓食行為而實(shí)現(xiàn)尋優(yōu)。它的主要特點(diǎn)是不需要了解問題的特殊信息,只需要對(duì)問題進(jìn)行優(yōu)劣的比較,通過各人

4、工魚個(gè)體的局部尋優(yōu)行為,最終在群體中使全局最優(yōu)值突現(xiàn)出來,有著較快的收斂速度 ADDIN EN.CITE 李曉磊200119419419417李曉磊錢積新人工魚群算法自下而上的尋優(yōu)模式 C過程系統(tǒng)工程年會(huì)論文集過程系統(tǒng)工程年會(huì)論文集8220015。人工魚群算法主要利用魚的三大基本行為：覓食、聚群和追尾行為，采用自上而下的尋優(yōu)模式從構(gòu)造個(gè)體的底層行為開始，通過魚群中各個(gè)體的局部尋優(yōu)，達(dá)到全局最優(yōu)值在群體中凸顯出來的目的 ADDIN EN.CITE 李曉磊200319319319332李曉磊一種新型的智能優(yōu)化方法-人工魚群算法 D2003杭州: 浙江大學(xué)6。（1）覓食行為：這是魚趨向食物的一種活動(dòng)

5、，一般認(rèn)為它是通過視覺或味覺來感知水中的食物兩或食物濃度來選擇行動(dòng)的方向 ADDIN EN.CITE 李曉磊200319519519532李曉磊一種新型的智能優(yōu)化方法-人工魚群算法 D2003杭州: 浙江大學(xué)6。（2）聚群行為：大量或少量的魚聚集成群，進(jìn)行集體覓食和躲避敵害，這是它們?cè)谶M(jìn)化過程中形成的一種生存方式 ADDIN EN.CITE 李曉磊200319519519532李曉磊一種新型的智能優(yōu)化方法-人工魚群算法 D2003杭州: 浙江大學(xué)6。（3）追尾行為：當(dāng)某一條魚或幾條魚發(fā)現(xiàn)食物時(shí)，它們附近的魚會(huì)尾隨而來，導(dǎo)致更遠(yuǎn)處的魚也會(huì)尾隨過來 ADDIN EN.CITE 李曉磊2003195

6、19519532李曉磊一種新型的智能優(yōu)化方法-人工魚群算法 D2003杭州: 浙江大學(xué)6。人工魚群算法就是通過模擬魚類的覓食、聚群、追尾等行為在搜索域中進(jìn)行尋優(yōu)的。1.2 人工魚群算法的行為描述覓食行為：設(shè)置人工魚當(dāng)前狀態(tài)，并在其感知范圍內(nèi)隨機(jī)選擇另一個(gè)狀態(tài)，如果得到的狀態(tài)的目標(biāo)函數(shù)大于當(dāng)前的狀態(tài)，則向新選擇得到的狀態(tài)靠近一步，反之，重新選取新狀態(tài)，判斷是否滿足條件，選擇次數(shù)達(dá)到一定數(shù)量后，如果仍然不滿足條件，則隨機(jī)移動(dòng)一步 ADDIN EN.CITE 李曉磊200319319319332李曉磊一種新型的智能優(yōu)化方法-人工魚群算法 D2003杭州: 浙江大學(xué)6。聚群行為：人工魚探索當(dāng)前鄰居內(nèi)的

7、伙伴數(shù)量，并計(jì)算伙伴的中心位置，然后把新得到的中心位置的目標(biāo)函數(shù)與當(dāng)前位置的目標(biāo)函數(shù)相比較，如果中心位置的目標(biāo)函數(shù)優(yōu)于當(dāng)前位置的目標(biāo)函數(shù)并且不是很擁擠，則當(dāng)前位置向中心位置移動(dòng)一步，否則執(zhí)行覓食行為 ADDIN EN.CITE 李曉磊200319319319332李曉磊一種新型的智能優(yōu)化方法-人工魚群算法 D2003杭州: 浙江大學(xué)6。追尾行為：人工魚探索周圍鄰居魚的最優(yōu)位置，當(dāng)最優(yōu)位置的目標(biāo)函數(shù)值大于當(dāng)前位置的目標(biāo)函數(shù)值并且不是很擁擠，則當(dāng)前位置向最優(yōu)鄰居魚移動(dòng)一步，否則執(zhí)行覓食 ADDIN EN.CITE 李曉磊200319319319332李曉磊一種新型的智能優(yōu)化方法-人工魚群算法 D2

8、003杭州: 浙江大學(xué)6。根據(jù)所要解決的問題性質(zhì)，對(duì)人工魚當(dāng)前所處的環(huán)境進(jìn)行評(píng)價(jià)，從而選擇一種行為。較常用的評(píng)估方法是：選擇各行為中使得向最優(yōu)方向前進(jìn)最大的方向，也就是各行為中使得人工魚的下一步狀態(tài)最優(yōu)的行為，如果沒有能使下一個(gè)狀態(tài)優(yōu)于當(dāng)前狀態(tài)的行為，則采用隨機(jī)行為。1.3 人工魚群算法步驟 ADDIN EN.CITE 李曉磊200319319319332李曉磊一種新型的智能優(yōu)化方法-人工魚群算法 D2003杭州: 浙江大學(xué)6Step1:設(shè)定魚群的參數(shù)，包括魚群的規(guī)模m, 最大迭代次數(shù)gen，人工魚的感知范圍Visual，最大移動(dòng)步長step，擁擠度因子d等；Step2:在參數(shù)區(qū)間內(nèi)隨機(jī)生成m

9、條人工魚個(gè)體作為初始魚群；Step3:計(jì)算每條魚的食物濃度函數(shù)（目標(biāo)函數(shù)），把最優(yōu)的值放入公告板 ADDIN EN.CITE 李曉磊200415915915917李曉磊路飛田國會(huì)錢積新組合優(yōu)化問題的人工魚群算法應(yīng)用山東大學(xué)學(xué)報(bào): 工學(xué)版山東大學(xué)學(xué)報(bào): 工學(xué)版64-673452004萬方數(shù)據(jù)資源系統(tǒng)7中；Step4：對(duì)于每條人工魚執(zhí)行以下操作（1）計(jì)算出追尾行為、聚群行為的值，采用行為選擇策略，選擇最優(yōu)的行為作為魚的移動(dòng)方向，缺省行為是覓食行為。（2）計(jì)算出每條魚的食物濃度函數(shù)（目標(biāo)函數(shù)），其最優(yōu)值與公告板中的值進(jìn)行比較，最終公告板中始終保持最優(yōu)的值。Step5:判斷是否滿足結(jié)束條件，如果滿足結(jié)

10、束，否則轉(zhuǎn)Step4。最終公告板中的值就是最優(yōu)值。人工魚群算法的改進(jìn)2.1 初始化的改進(jìn)初始化種群是算法進(jìn)行搜索的起點(diǎn)。AFSA 算法的初始種群生成是隨機(jī)的，通常情況下可以保證初始魚群分布均勻，但對(duì)于個(gè)體的質(zhì)量不能保證，解群中有一部分遠(yuǎn)離最優(yōu)解。宋瀟瀟等 ADDIN EN.CITE 宋瀟瀟201016016016017宋瀟瀟孫棣華解佳基于極坐標(biāo)編碼的改進(jìn)人工魚群算法系統(tǒng)工程與電子技術(shù)系統(tǒng)工程與電子技術(shù)32102010萬方數(shù)據(jù)資源系統(tǒng)8提出了基于極坐標(biāo)編碼的改進(jìn)人工魚群算法。它通過設(shè)定編碼規(guī)則，并將此編碼方式運(yùn)用到三種行為當(dāng)中，計(jì)算出每一個(gè)編碼母體獲得的人工魚的概率，選擇大概率的母體作為算法初始

11、化的起點(diǎn)，有效提高算法的收斂性。曲良東等 ADDIN EN.CITE 曲良東201016116116117曲良東何登旭一種混沌人工魚群優(yōu)化算法計(jì)算機(jī)工程與應(yīng)用計(jì)算機(jī)工程與應(yīng)用40-424602220109利用混沌系統(tǒng)產(chǎn)生混沌變量，并在參數(shù)允許范圍內(nèi)隨機(jī)產(chǎn)生各個(gè)人工魚個(gè)體的初始狀態(tài)。陳廣洲等 ADDIN EN.CITE 陳廣洲200916216216217陳廣洲汪家權(quán)李傳軍魯祥友一種改進(jìn)的人工魚群算法及其應(yīng)用系統(tǒng)工程系統(tǒng)工程105-1102712200910引入了免疫算法中的消亡算子，經(jīng)算子運(yùn)算更新，相互比較，摒棄非優(yōu)個(gè)體，將其重新初始化，以此保持種群的多樣性。2.2 算法參數(shù)的改進(jìn)王聯(lián)國等 A

12、DDIN EN.CITE 王聯(lián)國201016316316317王聯(lián)國施秋紅人工魚群算法的參數(shù)分析Computer EngineeringComputer Engineering3624201011首先提出了一個(gè)全局版魚群算法，并應(yīng)用該算法對(duì)參數(shù)進(jìn)行了詳細(xì)的分析，實(shí)驗(yàn)表明步長step越小，求解精度越高，當(dāng)step的值在1-6之間時(shí)，視野visual 的值對(duì)于優(yōu)化精度影響較小。當(dāng)step 的值比較大時(shí)，隨著visual 值的增加，優(yōu)化精度會(huì)震蕩。針對(duì)擁擠因子,實(shí)驗(yàn)表明該數(shù)值越小，魚進(jìn)行隨機(jī)游動(dòng)和覓食行為的幾率較大，擺脫極值束縛的能力就會(huì)越強(qiáng)。為了提高魚群算法的求解能力和精度，王聯(lián)國等 ADDIN

13、EN.CITE 王聯(lián)國200916416416417王聯(lián)國洪毅趙付青余冬梅一種簡化的人工魚群算法小型微型計(jì)算機(jī)系統(tǒng)小型微型計(jì)算機(jī)系統(tǒng)1663-16673082009萬方數(shù)據(jù)資源系統(tǒng)王聯(lián)國16516516517王聯(lián)國洪毅趙付青余冬梅一種改進(jìn)的人工魚群算法12-13提出了一種動(dòng)態(tài)參數(shù)調(diào)整的人工魚群算法，使算法在早期能夠進(jìn)行較大范圍的全局搜索，后期保證局部精細(xì)搜索。文獻(xiàn)提出的參數(shù)調(diào)整如公式如下： 實(shí)驗(yàn)證明引入該機(jī)制的魚群算法，求解精度明顯較原始魚群算法有了較大的提高。任彥軍等 ADDIN EN.CITE 任彥君201016616616617任彥君黎冰顧幸生改進(jìn)的人工魚群算法在置換 Flow Shop

14、 調(diào)度中的應(yīng)用華東理工大學(xué)學(xué)報(bào) (自然科學(xué)版)華東理工大學(xué)學(xué)報(bào) (自然科學(xué)版)01912010萬方數(shù)據(jù)資源系統(tǒng)14提出了在覓食行為過程中采用基于交換列表的排序法，在隨機(jī)移動(dòng)行為中采用自適應(yīng)的小范圍移動(dòng)行為來改進(jìn)人工魚群算法，并應(yīng)用在置換Flow Shop調(diào)度，其仿真實(shí)驗(yàn)結(jié)果表明這種改進(jìn)算法具有較強(qiáng)的全局搜索能力、更高的搜索效率。李會(huì)等 ADDIN EN.CITE 李會(huì)201316716716717李會(huì)張?zhí)禧愄瞻垲Ｍ跣录t動(dòng)態(tài)分組方案的自適應(yīng)人工魚群算法計(jì)算機(jī)工程與應(yīng)用計(jì)算機(jī)工程與應(yīng)用82013萬方數(shù)據(jù)資源系統(tǒng)15依據(jù)學(xué)者韓江洪 ADDIN EN.CITE 韓江洪200616816816817韓江

15、洪李正榮魏振春一種自適應(yīng)粒子群優(yōu)化算法及其仿真研究 J系統(tǒng)仿真學(xué)報(bào)系統(tǒng)仿真學(xué)報(bào)2969-297118102006萬方數(shù)據(jù)資源系統(tǒng)16在粒子群算法領(lǐng)域提出的自適應(yīng)調(diào)整策略，將魚群根據(jù)個(gè)體魚適應(yīng)值和魚群平均適應(yīng)值進(jìn)行比較，根據(jù)比較結(jié)果將魚群分為三組：較優(yōu)魚群，一般魚群和較差魚群。并由此提出了自適應(yīng)調(diào)整人工魚群算法參數(shù)的方法，該方法采用個(gè)體魚適應(yīng)值與整個(gè)魚群的平均適應(yīng)值作比較，將整個(gè)魚群分為三組，再采用自適應(yīng)調(diào)整每組魚群的視野范圍和步長的方法，對(duì)基本魚群算法進(jìn)行了優(yōu)化和改進(jìn)。結(jié)果表明改進(jìn)后的算法能夠較快地收斂至全局較優(yōu)解，并具有較好的尋優(yōu)性能。XiaoJianmei ADDIN EN.CITE Xi

16、ao200616916916910Xiao, JianmeiZheng, XiaomingWang, XihuaiHuang, YoufangA modified artificial fish-swarm algorithmIntelligent Control and Automation, 2006. WCICA 2006. The Sixth World Congress on3456-346012006IEEE142440332417采用另一種方法實(shí)現(xiàn)自適應(yīng)參數(shù)調(diào)整，使步長step、視野visual、擁擠因子等參數(shù)隨著計(jì)算的進(jìn)行自動(dòng)調(diào)整，以保證算法后期能夠進(jìn)行精細(xì)的局部搜索，提高算法

17、的求解精度。它運(yùn)用適應(yīng)值變化率和變化方差來決定是否進(jìn)行參數(shù)的調(diào)整。該文獻(xiàn)將自適應(yīng)魚群算法（AAFSA）與原始魚群算法、自適應(yīng)粒子群算法、模擬退火粒子群算法進(jìn)行了對(duì)比，其搜索范圍和求解精度明顯優(yōu)于其它算法。王冬冬等 ADDIN EN.CITE 王冬冬200917017017010王冬冬李哲梁麗周永權(quán)基于改進(jìn)人工魚群算法求解多元非線性方程組2009 年中國智能自動(dòng)化會(huì)議論文集 (第一分冊(cè))200918提出了分段優(yōu)化的思想，令食物濃度為分界線，大于時(shí)，為前期過程，采用較大的step和Visual，能使算法較快地得到一個(gè)相對(duì)較優(yōu)的解; 小于時(shí)為后期過程，采用較小的step和Visual，得到一個(gè)精度更

18、高的解。黃華娟等 ADDIN EN.CITE 黃華娟200817117117117黃華娟周永權(quán)改進(jìn)型人工魚群算法及復(fù)雜函數(shù)全局優(yōu)化方法廣西師范大學(xué)學(xué)報(bào): 自然科學(xué)版廣西師范大學(xué)學(xué)報(bào): 自然科學(xué)版194-1972612008萬方數(shù)據(jù)資源系統(tǒng)19通過在人工魚群的搜索過程中引進(jìn)自適應(yīng)的改變步長和擁擠度因子，其目的是加快算法的收斂速度，當(dāng)尋優(yōu)陷入平坦區(qū)時(shí)，對(duì)陷入的人工魚以一定的概率對(duì)其變量加以擾動(dòng)，使部分人工魚改變狀態(tài)，從而進(jìn)入解空間的其他區(qū)域進(jìn)行搜索，避免陷入局部最優(yōu)。2.3 與其他算法結(jié)合的改進(jìn)2.3.1 與模擬退火算法的結(jié)合改進(jìn)借鑒其他的智能算法的優(yōu)點(diǎn)，進(jìn)行優(yōu)勢互補(bǔ)是群體智能算法進(jìn)行改進(jìn)的一種有

19、效手段。 張梅鳳等 ADDIN EN.CITE 張梅鳳200617217217217張梅鳳邵誠甘勇李梅娟基于變異算子與模擬退火混合的人工魚群優(yōu)化算法電子學(xué)報(bào)電子學(xué)報(bào)1381-1385348200620首先在AFSA 中引進(jìn)了變異算子，預(yù)先設(shè)置一個(gè)閾值beststep 標(biāo)記公告板上的最優(yōu)值，如果在一定的迭代次數(shù)內(nèi)，公告板上的最優(yōu)值沒有變化或者變化率極小，則在保留當(dāng)前最佳個(gè)體的情況下，以一定的概率對(duì)于其它個(gè)體進(jìn)行變異操作。通過引入類似于遺傳算法的變異操作之后，為了提高魚群算法的求解精度，作者將魚群算法的后期改為執(zhí)行模擬退火(SA)，利用低溫下SA算法幾乎概率1 的收斂能力，進(jìn)行精細(xì)解局部搜索。該算

20、法較原始人工魚群算法有較好的跳出極值能力和較高的求解精度。張梅鳳等 ADDIN EN.CITE 張梅鳳200817317317317張梅鳳邵誠多峰函數(shù)優(yōu)化的生境人工魚群算法控制理論與應(yīng)用控制理論與應(yīng)用773-776254200821針對(duì)人工魚群算法求解多峰函數(shù)時(shí)難以發(fā)現(xiàn)全部最優(yōu)的弱點(diǎn)，將小生境技術(shù)和模擬退火技術(shù)融入人工魚群算法之中，同時(shí)加入變異算子和小生境半徑自動(dòng)生成機(jī)制，實(shí)驗(yàn)結(jié)果表明算法在求解多峰函數(shù)時(shí)非常有效；劉佳等借鑒模擬退火算法中的Metropolis判別準(zhǔn)則改進(jìn)了人工魚的覓食行為，在利用人工魚全局尋優(yōu)的同時(shí)并利用模擬退火算子實(shí)施局部細(xì)化，提出了一種改進(jìn)的人工魚群優(yōu)化算法（SA_IAF

21、SA），保持了AFSA算法簡單、易實(shí)現(xiàn)的特點(diǎn)，克服了人工魚漫無目的隨機(jī)游動(dòng)以及容易陷入局部最優(yōu)值的缺點(diǎn)，顯著提高了算法的運(yùn)行效率和求解質(zhì)量。2.3. 2 與遺傳算法的結(jié)合改進(jìn)劉白等 ADDIN EN.CITE 劉白200817417417417劉白周永權(quán)基于遺傳算法的人工魚群優(yōu)化算法計(jì)算機(jī)工程與設(shè)計(jì)計(jì)算機(jī)工程與設(shè)計(jì)5827-582929222008萬方數(shù)據(jù)資源系統(tǒng)22針對(duì)人工魚群算法(AFSA)在實(shí)際應(yīng)用中出現(xiàn)的問題，提出了基于遺傳算法的人工魚群(AFSA)優(yōu)化算法，當(dāng)最優(yōu)值連續(xù)無變化或變化不明顯時(shí)采用遺傳算法的交叉、變異操作，消除人工魚漫無目的隨機(jī)游動(dòng)或大量聚集在非全局極值點(diǎn)附近的局限。該算

22、法不僅保持了人工魚群算法（AFSA)簡單、易實(shí)現(xiàn)的特點(diǎn)，而且提高了算法的運(yùn)行效率和求解質(zhì)量。實(shí)驗(yàn)結(jié)果表明，該算法改善了人工魚群算法(AFSA)，且有效可靠，能夠較好地解決優(yōu)化問題。Zi-xia Chen ADDIN EN.CITE Chen201020120120110Chen, Zi-xiaLu, Yong-minResearch on Vehicle Routing Problem based on hybrid artificial fish-school and genetic algorithmComputer Application and System Modeling (ICC

23、ASM), 2010 International Conference onV8-562-V8-56582010IEEE142447235023等研究了將人工魚群算法和遺傳算法結(jié)合起來解決車輛調(diào)度問題，并發(fā)現(xiàn)組合的算法可以更快速的解決問題并保持性能的穩(wěn)定等特征。2.3.3 與粒子群的結(jié)合改進(jìn)曲良東等 ADDIN EN.CITE 曲良東200817517517517曲良東何登旭混合變異算子的人工魚群算法 J計(jì)算機(jī)工程與應(yīng)用計(jì)算機(jī)工程與應(yīng)用50-5244352008萬方數(shù)據(jù)資源系統(tǒng)24將進(jìn)化策略和粒子群進(jìn)化規(guī)則引入魚群算法中，并通過理論證明了該算法的全局收斂性，同時(shí)通過Benchmark 函數(shù)實(shí)驗(yàn)

24、和應(yīng)用于非線性參數(shù)估計(jì)問題中，證實(shí)了該算法收斂速度快，求解精度較高。劉凌子等 ADDIN EN.CITE 劉凌子200917617617617劉凌子周永權(quán)一種基于人工魚群和文化算法的新型混合全局優(yōu)化算法倡計(jì)算機(jī)應(yīng)用研究計(jì)算機(jī)應(yīng)用研究2612200925通過研究文化算法和魚群算法的機(jī)制，提出了一種將魚群算法嵌入到文化算法框架內(nèi)的混合魚群文化算法該算法中包含兩個(gè)空間，一個(gè)是種群空間內(nèi)的魚群算法，魚群在進(jìn)化過程中不斷獲取知識(shí)，將其組成一個(gè)知識(shí)空間，從而使知識(shí)空間與種群空間協(xié)同進(jìn)化。羅德相等 ADDIN EN.CITE 羅德相200917717717717羅德相周永權(quán)黃華娟粒子群和人工魚群混合優(yōu)化算法

25、計(jì)算機(jī)與應(yīng)用化學(xué)計(jì)算機(jī)與應(yīng)用化學(xué)1257-126126102009萬方數(shù)據(jù)資源系統(tǒng)26將種群分為兩部分，一部分運(yùn)用粒子群算法，一部分運(yùn)用魚群算法，將二者比較后的最優(yōu)值賦予公告板，以此提高收斂速度。其中的魚群算法借鑒王聯(lián)國等 ADDIN EN.CITE 王聯(lián)國200917817817817王聯(lián)國洪毅趙付青余冬梅一種簡化的人工魚群算法小型微型計(jì)算機(jī)系統(tǒng)小型微型計(jì)算機(jī)系統(tǒng)1663-16673082009萬方數(shù)據(jù)資源系統(tǒng)12的參數(shù)處理方式，通過5 個(gè)Benchmark 函數(shù)實(shí)驗(yàn)證明該算法的求解精度明顯較原始粒子群算法和原始魚群算法高。Hsing-Chih Tsai ADDIN EN.CITE Tsai

26、201119719719717Tsai, Hsing-ChihLin, Yong-HuangModification of the fish swarm algorithm with particle swarm optimization formulation and communication behaviorApplied Soft ComputingApplied Soft Computing5367-53741182011Elsevier1568-494627等利用粒子群算法重新規(guī)劃表示人工魚群算法，并且將通信行為整合到人工魚群算法中，從而形成新的人工魚群參數(shù)公式。因?yàn)関isual和

27、step支配這人工魚群算法，然而它們又難以設(shè)置，因此利用粒子群算法重新規(guī)劃修改魚群算法可以使step更加自由，從而優(yōu)化人工魚群算法。李亮等 ADDIN EN.CITE 李亮200617917917917李亮遲世春林皋禁忌魚群算法及其在邊坡穩(wěn)定分析中的應(yīng)用 J工程力學(xué)工程力學(xué)6-102332006萬方數(shù)據(jù)資源系統(tǒng)28通過鄰域禁忌搜索，構(gòu)造兩點(diǎn)禁忌尋優(yōu)算子對(duì)解空間進(jìn)行無重復(fù)的搜索，以此來跳出局部最優(yōu)點(diǎn)，確保算法的高效性。2.3.4 與蟻群算法的結(jié)合改進(jìn)高德芳等 ADDIN EN.CITE 高德芳200718018018017高德芳趙勇郭楊趙海濤基于混合魚群-蟻群算法的模塊化產(chǎn)品配置設(shè)計(jì)機(jī)械機(jī)械9-

28、123412007萬方數(shù)據(jù)資源系統(tǒng)29提出魚群蟻群算法的概念，將蟻群算法融入 ASFA 中，并運(yùn)用于模塊化產(chǎn)品配置設(shè)計(jì)，混合魚群-蟻群算法充分利用了各自的優(yōu)勢增強(qiáng)了算法在解空間的搜索能力和效率。修春波等 ADDIN EN.CITE 修春波200818118118117修春波張雨虹基于蟻群與魚群的混合優(yōu)化算法計(jì)算機(jī)工程計(jì)算機(jī)工程206-2073414200830分析了蟻群和魚群兩種優(yōu)化算法的尋優(yōu)機(jī)理，通過類比揭示了兩種優(yōu)化算法中尋優(yōu)個(gè)體在尋優(yōu)過程中所遵循的運(yùn)動(dòng)規(guī)律的差異。并將魚群算法中擁擠度的作用引入到蟻群算法中，提出了一種新的混合優(yōu)化算法。在優(yōu)化過程中擁擠度的指導(dǎo)作用逐漸減弱，既克服了蟻群算法

29、初期可能出現(xiàn)的早熟等現(xiàn)象，增強(qiáng)了算法遍歷尋優(yōu)的能力，又使得算法具有較快的收斂速度，提高了算法的尋優(yōu)性能。2.3.5 與聚類算法的結(jié)合改進(jìn)劉薇等 ADDIN EN.CITE 劉薇201318218218217劉薇劉柏嵩王洋洋基于改進(jìn)魚群和 K-means 的混合聚類算法Computer Engineering and ApplicationsComputer Engineering and Applications4922201331針對(duì)傳統(tǒng)K-means聚類算法存在的缺陷，引進(jìn)人工魚群算法，提出了一種基于改進(jìn)魚群和K-means的混合聚類算法。聚類樣本中心點(diǎn)初始化時(shí)，人工魚各維參數(shù)隨機(jī)選擇在對(duì)

30、應(yīng)屬性兩個(gè)極值之間，同時(shí)為了降低計(jì)算復(fù)雜度，提高收斂效率，尋找全局最優(yōu)，首先對(duì)隨機(jī)選取的一小部分人工魚進(jìn)行K-means 操作，然后對(duì)全體人工魚的追尾算子引入粒子群策略，引導(dǎo)其學(xué)習(xí)，模擬人工魚的行為。Wang Fei ADDIN EN.CITE Fei200920020020010Fei, WangXiao-Hao, XuJing, ZhangApplication of artificial fish school and K-means clustering algorithms for stochastic GHPControl and Decision Conference, 2009

31、. CCDC'09. Chinese4280-42832009IEEE142442722332等將人工魚群算法結(jié)合K-means算法用于機(jī)場容量聚類分析解決隨機(jī)模型問題，從而證實(shí)了人工魚群算法的可行性。Weiling Zhu ADDIN EN.CITE Zhu201219619619617Zhu, WeilingJiang, JingqingSong, ChuyiBao, LanyingClustering Algorithm Based on Fuzzy C-means and Artificial Fish SwarmProcedia EngineeringProcedia En

32、gineering3307-3311292012Elsevier1877-705833將人工魚群算法和模糊C-mean算法結(jié)合起來用于聚類分析，發(fā)現(xiàn)者能夠提高聚類的效率，使結(jié)果更加精確和穩(wěn)定。并且發(fā)現(xiàn)人工魚群算法的參數(shù)在很大的程度上影響著效率，人工魚群算法參數(shù)的效率將是以后研究的一個(gè)熱點(diǎn)。Li Xiao ADDIN EN.CITE Xiao201020320320310Xiao, LiA clustering algorithm based on artificial fish schoolComputer Engineering and Technology (ICCET), 2010 2n

33、d International Conference onV7-766-V7-76972010IEEE142446347534 Yongming Cheng ADDIN EN.CITE Cheng200920420420410Cheng, YongmingJiang, MingyanYuan, DongfengNovel clustering algorithms based on improved artificial fish swarm algorithmFuzzy Systems and Knowledge Discovery, 2009. FSKD'09. Sixth In

34、ternational Conference on141-14532009IEEE076953735935等也研究了將聚類算法和人工魚群算法結(jié)合起來進(jìn)行改進(jìn)。2.4 與其他技術(shù)結(jié)合的改進(jìn)Yazdani D ADDIN EN.CITE Yazdani20111831831835Yazdani, DanialToosi, Adel NadjaranMeybodi, Mohammad RezaFuzzy adaptive artificial fish swarm algorithmAI 2010: Advances in Artificial Intelligence334-3432011Spri

35、nger364217431036將模糊理論與人工魚群算法融合提出了一種模糊自適應(yīng)的人工魚群算法。黃光球等 ADDIN EN.CITE 黃光球201218418418417黃光球劉嘉飛姚玉霞人工魚群算法的全局收斂性證明Computer EngineeringComputer Engineering382201237利用有限馬爾科夫鏈理論分析了魚群算法的進(jìn)化過程，得出結(jié)論魚群算法是全局漸進(jìn)收斂的。張紅霞 ADDIN EN.CITE 精度201118518518517精度張紅霞羅毅師瑞峰基于單純形法的改進(jìn)型人工魚群算法201138在魚群算法的后期每隔一定的代數(shù)，引入一次單純形算子，替換掉原來大量聚集

36、在非極值點(diǎn)附近的人工魚個(gè)體，有效提高了局部搜索精度，提高了解質(zhì)量。曲良東等 ADDIN EN.CITE 曲良東200818618618617曲良東何登旭基于單純形法的雙群人工魚群算法計(jì)算機(jī)應(yīng)用計(jì)算機(jī)應(yīng)用2103-2104288200839文針對(duì)基本人工魚群算法的不足，提出了一種基于單純形的雙群人工魚群算法，在該算法中，兩個(gè)不同的子群并行游動(dòng)，通過子群重組進(jìn)行子群問的信息交換，實(shí)現(xiàn)魚群在解空間的探索和搜索能力，然后通過單純形進(jìn)行局部再搜索,表明該算法收斂速度快、精度高，具有更好的性能。戴上平等 ADDIN EN.CITE 戴上平201218718718717戴上平姬盈利王華金鵬基于多群協(xié)同人工魚

37、群算法的分類規(guī)則提取算法計(jì)算機(jī)應(yīng)用研究計(jì)算機(jī)應(yīng)用研究1676-1679295201240提出了一種多魚群協(xié)同的人工魚群算法，并用于實(shí)現(xiàn)對(duì)連續(xù)空間變量的分類規(guī)則提取問題。班曉娟等 ADDIN EN.CITE 班曉娟200718818818817班曉娟吳崇浩王曉紅曾廣平基于多 Agent 的人工魚群自組織行為算法計(jì)算機(jī)工程計(jì)算機(jī)工程3323200741在基于認(rèn)知的人工魚行為模型的基礎(chǔ)上，增加實(shí)現(xiàn)魚群個(gè)體問通信及魚群與環(huán)境交互的互操作行為模塊，建立面向群體行為的人工魚體系結(jié)構(gòu)與模型。提出了一種基于多Agent的人工魚群自組織行為的研究方法：將基于這種體系結(jié)構(gòu)的人工魚作為Agent，其能感知環(huán)境信息，

38、產(chǎn)生意圖，規(guī)劃行為。但是只考慮到影響個(gè)體魚集群的幾個(gè)因素，事實(shí)上還有很多生理、心理、遺傳等因素需要考慮，同時(shí)人工魚群作為整體，還存在著個(gè)體間通信、合作捕食關(guān)系等。Genrang Zheng ADDIN EN.CITE Zheng201219819819817Zheng, GenrangLin, ZhengChunA Winner Determination Algorithm for Combinatorial Auctions Based on Hybrid Artificial Fish Swarm AlgorithmPhysics ProcediaPhysics Procedia1666

39、-1670252012Elsevier1875-389242等將第一啟發(fā)式算法和人工魚群算法結(jié)合來形成混合人工算法用于解決組合拍賣的贏家決策問題，并且發(fā)現(xiàn)混合人工魚群算法在贏家決策問題上是一種快速且有效的算法。同時(shí)也發(fā)現(xiàn)和蟻群算法相比，混合人工魚群算法性能更好，應(yīng)用也更加廣泛。Yongquan Zhou等 ADDIN EN.CITE Zhou200919919919910Zhou, YongquanHuang, HuajuanHybrid Artificial Fish School Algorithm Based on Mutation Operator for Solving Nonlin

40、ear EquationsIntelligent Systems and Applications, 2009. ISA 2009. International Workshop on1-52009IEEE142443893443也提出也一種將人工魚群算法Hooke-Jeeves方式結(jié)合起來的基于變異算子的混合人工魚群算法，用于解決非線性方程組問題。實(shí)驗(yàn)結(jié)果表明，該混合算法在效果和效率方面顯著優(yōu)于經(jīng)典的數(shù)值方法和標(biāo)準(zhǔn)的人工魚群算法。2.5 增加群體多樣性的改進(jìn)馬勇杰等 ADDIN EN.CITE 馬永杰201218918918917馬永杰云文霞遺傳算法研究進(jìn)展計(jì)算機(jī)應(yīng)用研究計(jì)算機(jī)應(yīng)用研究120

41、1-1206294201244研究表明采取一定的策略保持種群多樣性是提高算法求解能力的重要途徑。 王培崇等 ADDIN EN.CITE 小生境201219019019017小生境王培崇錢旭雷鳳君新的混合小生境魚群聚類算法201245提出了一種小生境人工魚群算法，針對(duì)K-Means算法對(duì)于初始k值較敏感和容易過早收斂的問題，提出基于人工魚群機(jī)制的K-Means聚類算法(NAFS)。首先，利用先驗(yàn)知識(shí)隨機(jī)產(chǎn)生待求解問題的若干個(gè)聚類中心，組成一個(gè)魚群環(huán)境；其次，利用魚群個(gè)體的協(xié)作、競爭機(jī)制尋找滿意的結(jié)果。鑒于人工魚群算法后期容易陷入局部最優(yōu)，根據(jù)魚群聚集度引入小生境算法，改善種群的多樣性，提高了算法

42、的求解精度。王培崇等 ADDIN EN.CITE 王培崇201319119119117王培崇雷鳳君錢旭改進(jìn)人工魚群算法及其收斂性分析科學(xué)技術(shù)與工程科學(xué)技術(shù)與工程1332013萬方數(shù)據(jù)資源系統(tǒng)46為了克服人工魚群算法容易收斂于局部最優(yōu)和解精度不高的缺點(diǎn)，提出了一種新的小生境人工魚群算法( NAFS) 。在算法后期根據(jù)魚群聚集程度引入小生境排擠機(jī)制，維持種群的多樣性。利用壓縮映射定理從理論上證明了該算法的全局收斂性，證明該算法的解精度比原始人工魚群算法有較大的提高。劉凌子等 ADDIN EN.CITE 劉凌子200919219219217劉凌子周永權(quán)一種基于人工魚群和文化算法的新型混合全局優(yōu)化算法

43、倡計(jì)算機(jī)應(yīng)用研究計(jì)算機(jī)應(yīng)用研究2612200925提出一種基于人工魚群和文化算法的新型混合全局優(yōu)化算法，該混合算法的思想是將人工魚群嵌入文化算法框架中，作為種群空間的一個(gè)進(jìn)化過程；通過從進(jìn)化種群中獲得的知識(shí)組成知識(shí)空間，兩空間具有各自群體并獨(dú)立并行演化，從而實(shí)現(xiàn)增加人工魚群的群體多樣性。黃華娟 ADDIN EN.CITE 黃華娟200920520520517黃華娟周永權(quán)基于變異算子的人工魚群混合算法 J計(jì)算機(jī)工程與應(yīng)用計(jì)算機(jī)工程與應(yīng)用28-3745332009萬方數(shù)據(jù)資源系統(tǒng)47提出一種基于變異算子的人工魚群混合算法，其中Hooke-Jeeves的強(qiáng)局部搜索能力提高了人工魚群混合算法的局部收斂

44、速度,變異算子的引入增加了群體的多樣性,避免人工魚群混合算法陷入局部最優(yōu)。3.總結(jié)與展望作為一個(gè)前沿性的熱點(diǎn)研究領(lǐng)域，人工魚群算法已引起越來越多國內(nèi)研究者的關(guān)注，但因人工魚群算法(AFSA)起步較晚，與遺傳算法、神經(jīng)網(wǎng)絡(luò)、蟻群算法、粒子群算法和免疫算法相比，人工魚群算法理論還不完善、不成熟，研究處于初步階段，在今后的工作中，還有很多方面有待進(jìn)一步的探索和研究：人工魚群算法的理論研究人工魚群算法的理論研究還存在許多問題需要進(jìn)一步解決，比如初始化參數(shù)選擇問題、收斂速度問題等，這些均帶有經(jīng)驗(yàn)性和直覺性，至今沒有經(jīng)過嚴(yán)格的數(shù)學(xué)論證。今后人工魚群算法的收斂性證明和理論分析仍然是一個(gè)非常具有挑戰(zhàn)性的研究方

45、向。人工魚群算法的改進(jìn)研究人工魚群算法因處于初步階段，因此其算法的改進(jìn)仍是目前研究的一大重要方向。根據(jù)目前的研究可知對(duì)人工魚群算法在初始化、參數(shù)、與其他方法的結(jié)合和群體多樣化方面的改進(jìn)仍需積極探索與完善。特別是研究人工魚群算法與其他智能算法和的融合技術(shù)，能夠提高算法優(yōu)化性能，因此研究人工魚群算法與模擬退火算法、遺傳算法、粒子群算法、蟻群算法等智能優(yōu)化算法的融合技術(shù)，對(duì)智能算法的研究具有重要意義。參考文獻(xiàn) ADDIN EN.REFLIST 1李曉磊, 邵之江, 錢積新. 一種基于動(dòng)物自治體的尋優(yōu)模式: 魚群算法 J. 系統(tǒng)工程理論與實(shí)踐, 2002, 22(11): 32-38.2MAES P.

46、 From animals to animats 4: Proceedings of the fourth international conference on simulation of adaptive behavior M. The MIT Press, 1996.3DEAN J. Animats and what they can tell us J. Trends in Cognitive Sciences, 1998, 2(2): 60-67.4BONABEAU E, TH RAULAZ G. Swarm smarts J. Scientific American, 2000,

47、282(3): 72-79.5李曉磊, 錢積新. 人工魚群算法自下而上的尋優(yōu)模式 C J. 過程系統(tǒng)工程年會(huì)論文集, 2001, 82(6李曉磊. 一種新型的智能優(yōu)化方法-人工魚群算法 D D; 杭州: 浙江大學(xué), 2003.7李曉磊, 路飛, 田國會(huì), et al. 組合優(yōu)化問題的人工魚群算法應(yīng)用 J. 山東大學(xué)學(xué)報(bào): 工學(xué)版, 2004, 34(5): 64-67.8宋瀟瀟, 孫棣華, 解佳. 基于極坐標(biāo)編碼的改進(jìn)人工魚群算法 J. 系統(tǒng)工程與電子技術(shù), 2010, 32(10): 9曲良東, 何登旭. 一種混沌人工魚群優(yōu)化算法 J. 計(jì)算機(jī)工程與應(yīng)用, 2010, 46(022): 40

48、-42.10陳廣洲, 汪家權(quán), 李傳軍, et al. 一種改進(jìn)的人工魚群算法及其應(yīng)用 J. 系統(tǒng)工程, 2009, 27(12): 105-110.11王聯(lián)國, 施秋紅. 人工魚群算法的參數(shù)分析 J. Computer Engineering, 2010, 36(24): 12王聯(lián)國, 洪毅, 趙付青, et al. 一種簡化的人工魚群算法 J. 小型微型計(jì)算機(jī)系統(tǒng), 2009, 30(8): 1663-1667.13王聯(lián)國, 洪毅, 趙付青, et al. 一種改進(jìn)的人工魚群算法 J. 14任彥君, 黎冰, 顧幸生. 改進(jìn)的人工魚群算法在置換 Flow Shop 調(diào)度中的應(yīng)用 J. 華東理

49、工大學(xué)學(xué)報(bào) (自然科學(xué)版), 2010, 1(019.15李會(huì), 張?zhí)禧? 陶佰睿, et al. 動(dòng)態(tài)分組方案的自適應(yīng)人工魚群算法 J. 計(jì)算機(jī)工程與應(yīng)用, 2013, 8): 16韓江洪, 李正榮, 魏振春. 一種自適應(yīng)粒子群優(yōu)化算法及其仿真研究 J J. 系統(tǒng)仿真學(xué)報(bào), 2006, 18(10): 2969-2971.17XIAO J, ZHENG X, WANG X, et al. A modified artificial fish-swarm algorithm; proceedings of the Intelligent Control and Automation, 2006

50、 WCICA 2006 The Sixth World Congress on, F, 2006 C. IEEE.18王冬冬, 李哲, 梁麗, et al. 基于改進(jìn)人工魚群算法求解多元非線性方程組; proceedings of the 2009 年中國智能自動(dòng)化會(huì)議論文集 (第一分冊(cè)), F, 2009 C.19黃華娟, 周永權(quán). 改進(jìn)型人工魚群算法及復(fù)雜函數(shù)全局優(yōu)化方法 J. 廣西師范大學(xué)學(xué)報(bào): 自然科學(xué)版, 2008, 26(1): 194-197.20張梅鳳, 邵誠, 甘勇, et al. 基于變異算子與模擬退火混合的人工魚群優(yōu)化算法 J. 電子學(xué)報(bào), 2006, 34(8): 13

51、81-1385.21張梅鳳, 邵誠. 多峰函數(shù)優(yōu)化的生境人工魚群算法 J. 控制理論與應(yīng)用, 2008, 25(4): 773-776.22劉白, 周永權(quán). 基于遺傳算法的人工魚群優(yōu)化算法 J. 計(jì)算機(jī)工程與設(shè)計(jì), 2008, 29(22): 5827-5829.23CHEN Z-X, LU Y-M. Research on Vehicle Routing Problem based on hybrid artificial fish-school and genetic algorithm; proceedings of the Computer Application and System

52、 Modeling (ICCASM), 2010 International Conference on, F, 2010 C. IEEE.24曲良東, 何登旭. 混合變異算子的人工魚群算法 J J. 計(jì)算機(jī)工程與應(yīng)用, 2008, 44(35): 50-52.25劉凌子, 周永權(quán). 一種基于人工魚群和文化算法的新型混合全局優(yōu)化算法倡 J. 計(jì)算機(jī)應(yīng)用研究, 2009, 26(12): 26羅德相, 周永權(quán), 黃華娟. 粒子群和人工魚群混合優(yōu)化算法 J. 計(jì)算機(jī)與應(yīng)用化學(xué), 2009, 26(10): 1257-1261.27TSAI H-C, LIN Y-H. Modification of

53、 the fish swarm algorithm with particle swarm optimization formulation and communication behavior J. Applied Soft Computing, 2011, 11(8): 5367-5374.28李亮, 遲世春, 林皋. 禁忌魚群算法及其在邊坡穩(wěn)定分析中的應(yīng)用 J J. 工程力學(xué), 2006, 23(3): 6-10.29高德芳, 趙勇, 郭楊, et al. 基于混合魚群-蟻群算法的模塊化產(chǎn)品配置設(shè)計(jì) J. 機(jī)械, 2007, 34(1): 9-12.30修春波, 張雨虹. 基于蟻群與魚群的混合優(yōu)化算法 J. 計(jì)算機(jī)工程, 2008, 34(14): 206-207.31劉薇, 劉柏嵩, 王洋洋. 基于改進(jìn)魚群和 K-means 的混合聚類算法 J. Computer Engineering and Applications, 2013, 49(22): 32FEI W, XIAO-HAO X, JING Z. Application of artificial fish school and K-means cluster