分组进化人工鱼群算法 - 海南师范大学学报编辑部.PDFVIP

第29 卷第4 期 海南师范大学学报（自然科学版） Vol.29 No.4 2016 年12月 Journal of Hainan Normal University （Natural Science） Dec.2016 Doi ：10.12051/j.issn. 1674-4942.2016.04.004 分组进化人工鱼群算法 李 辉 （福建水利电力职业技术学院 公共基础部数学教研室，福建 永安 366000） 摘 要：针对人工鱼群算法搜索性能较差的缺陷，结合粒子群、蛙跳和人工鱼群算法的优点，文 章提出了一种分组进化人工鱼群算法，该算法将人工鱼群算法简化后，仿照蛙跳算法进行分组进 化，并加入粒子群算法的更新机制对个体位置进行更新，以便充分利用种群信息.实验证明，该算法 有较强的寻优能力，且稳定性好，实用性强. 关键词：分组进化；拥挤度；觅食行为；寻优性能 中图分类号：O 224 文献标识码：A 文章编号：1674-4942 （2016 ）04-0373-06 Grouping Evolutionary Artificial Fish Swarm Algorithm LI Hui （Departmentofpublicfoundation，FujianCollegeofWaterConservancyandElectricPower，Yong’an 366000 ，China） Abstract ：In view of the poor searching performance of the basic artificial fish swarm algorithm （AFSA ）, we combine the advantages of particle swarm algorithm, leapfrog algorithm and artificial fish swarm algorithm to propose a grouping evolu⁃ tionary AFSA （GEAFSA ）. This algorithm is a simplified version of the AFSA. It takes grouping evolution after leapfrog algo⁃ rithm and makes use of the updating mechanism of particle swarm algorithm to update the individuals ’positions with com⁃ plete group information. Experiments show that the GEAFSA has good optimization, stability and practicality. Key words:grouping evolution ；congestion ；foraging behavior ；optimization 优化算法是一种以数学为基础，求解各类实际问题最优值的技术. 随着计算机技术的不断进步，优化技 术得到了长足发展，已被广泛地应用到了众多领域. 近年来，模拟生物行为的智能优化算法渐渐被众多学者 所关注，智能优化算法较多，如粒子群算法、蛙跳算法、人工鱼群算法、蚁群算法、遗传算法等等. 智能优化算 法作为一种随机搜索算法，由于对初始值、梯度等信息没有过多要求，因而可以较好地解决具有复杂性、约束 性、非线性、多极值等特点的工程问题，且这类算法容易与实际问题结合，应用领域非常广泛，如生产调度、系 [