第7章鱼群算法基本理论全解.ppt

* * 7.1 鱼群算法的概述 7.1.1 鱼群算法的概念 7.1.2 鱼群算法的的发展 7.1.3 鱼群算法的特点 7.1.4 鱼群算法的分类 7.2 鱼群算法的基本原理 7.2.1 鱼群觅食的几种典型行为 7.2.2 鱼群算法的机理 7.3 鱼群算法的应用 第7章 鱼群算法基本理论 7.1 鱼群算法概述 7.1.1 鱼群算法的概念 鱼群算法是根据鱼类的活动特点, 提出了一种基于动物行为的自治体寻优模式。 【注】自治体：指生物体在不同时刻和不同环境中，能够自主地选择某种行为，而无需外接的控制与指导。 鱼群算法的基本思想：在一片水域中，鱼往往能够自行或尾随其他鱼找到营养物质多的地方，因此鱼生存数目最多的地方一般就是本水域中营养物质最多的地方。人工鱼群算法就是根据这一特点，通过构造人工鱼来模仿鱼群的觅食、聚群及追尾行为，从而实现全局寻优。 7.1 鱼群算法概述 7.1.2 鱼群算法的发展 鱼群算法是浙江大学系统工程研究所李晓磊博士等在《系统工程理论与实践》2002年第11期发表的“一种基于动物自治体的寻优模式：鱼群算法”中首次提出。之后，引起广泛关注，提出多种改进算法。 7.1 鱼群算法的概述 7.1.3 鱼群算法的特点 ? 李晓磊博士论文描述 李晓磊博士在“一种基于动物自治体的寻优模式：鱼群算法”一文中描述鱼群算法的特点主要是“五性”： ① 并行性：多个人工鱼并行进行搜索； ② 简单性：算法中仅使用了目标问题的函数值； ③ 全局性：算法具有很强的跳出局部极值的能力； ④ 快速性：算法中虽然有一定的随机因素，但总体是在步步向最优搜索； ⑤ 跟踪性：随着工作状况或其他因素的变更造成的极值点的漂移，本算法具有快速跟踪变化的能力。 7.1 鱼群算法的概述 ? 综述特点 ① 只需比较目标函数值，对目标函数的性质要求不高。 ② 对初值的要求不高，随机产生或设定固定值均可。 ③ 对参数设定的要求不高，容许范围大。 ④ 具备并行处理能力，寻优速度较快。 ⑤ 具有全局寻优能力，能快速跳出局部极值点。 ⑥ 具有较快的收敛速度，可以用于解决有实时性要求的问题。 ⑦ 对于一些精度要求不高的场合，可以快速得到一个可行解。 ⑧ 不需要问题的严格机理模型。 7.1 鱼群算法的概述 7.1.4 鱼群算法的分类 7.1 鱼群算法的概述 7.2 鱼群算法的基本原理 7.2.1 鱼群觅食的几种典型行为 ? 随机行为：单独的鱼在水中通常都是随机游动的，这是为了更大范围地寻找食物点或身边的伙伴。 ? 觅食行为：当鱼发现食物时，会向食物逐渐增多的方向快速游去。 ? 聚群行为：鱼在游动过程中，为了保证自身的生存和躲避危害会自然地聚集成群。 ? 追尾行为：当鱼群中的一条或几条鱼发现食物时，其临近的伙伴会尾随其快速到达食物点。 7.2 鱼群算法的基本原理 7.2 鱼群算法的基本原理 7.2 鱼群算法的基本原理 7.2.2 鱼群算法的机理 ? 人工鱼的结构模型 人工鱼是真实鱼的一个虚拟实体，用来进行问题的分析和说明。 人工鱼主要由感知系统、行为系统和运动系统三部分组成。可以通过感官来 接收环境的刺激信息 ，并通过控制尾鳍活 动来做出相应的应激 动作。 感知系统 行为系统 运动系统 7.2 鱼群算法的基本原理 ? 感知系统：主要靠视觉来实现。设其当前状态为X，视野范围为Visual，状态Xv为其某时刻视点所在的位置，若该位置的状态优于当前状态，则考虑向该位置方向前进一步，到达状态Vnext。若状态Xv不比当前状态更优，则继续巡视视野内的其他位置。巡视的次数越多，对视野的状态了解越全面，有助于做出相应的判断和决策。 其状态变化可表示为 式中，Rang（）函数为产生0~1之 间的随机数；Step为移动步长。 感知系统 行为系统 运动系统 7.2 鱼群算法的基本原理 ? 行为系统：主要包括觅食行为、群聚行为、追尾行为和随机行为。鱼类通过对行为的评价，选择一种当前最优的行为进行执行，以到达食物浓度更高的的位置。 ? 运动系统：即参数系统，主要包括变量和函数两部分。 变量