探讨人工鱼群算法的结构和原理.docVIP

探讨人工鱼群算法的结构和原理 　　摘要:人工鱼群算法是一种基于模拟鱼群行为的优化算法。该文首先分析了人工鱼群算法的定义、觅食以及追尾行为,其次剖析了最优解的获取,并进一步探讨了算法原理及其收敛性。 　　关键词:人工鱼群;算法最优解;收敛性 　　中图分类号:TP311文献标识码:A文章编号:1009-3044(2009)36-10235-03 　　The Structure and Principle of Artificial Fish-Swarm Algorithm 　　LI Bin 　　(Guangdong Institute of Science and Technology Guangdong, Zhuhai 519075, China) 　　Abstract: Artificial fish-swarm algorithm is a kind of fish behavior simulation-based optimization algorithm. This paper firstly has analyzed the definition of artificial fish-swarm algorithm, foraging, as well as rear-end behavior, followed by analysis of the optimal solution of the acquisition. Then the paper has explored the theory and convergence of the algorithm. 　　Key words: artificial fish; optimal solution of algorithm; convergence 　　人工鱼群算法是一种基于动物行为的寻求全局最优的新思路,是行为主义人工智能的一个典型应用。算法利用了鱼的觅食、聚群和追尾行为,从构造单条鱼的简单底层行为做起,通过鱼群中各个体的局部寻优行为,最终在群体中使全局最优值突现出来。该算法具有良好的克服局部极值、取得全局极值的能力,并且算法的实现无需目标函数的梯度值等特性,故其对搜索空间具有一定的自适应能力。本文就是针对人工鱼群算法,研究其结构及原理。 　　1 人工鱼群算法的结构剖析 　　鱼类的活动中,觅食行为和追尾行为等相关行为与寻优命题的解决有着较密切的关系,如何利用简便有效的方式来构造并实现这些行为将是人工鱼群算法实施的主要问题。 　　1.1 基本定义 　　人工鱼个体的状态可表示为向量X=(x1,x2…,xn),其中 Xi(i=1,…,n)为欲寻优的变量;人工鱼当前所在位置的食物浓度表示为Y=f(x),其中Y为目标函数值;人工鱼个体之间的距离表示为dij=‖Xi-Xj‖ ;Visual表示人工鱼的感知距离;step表示人工鱼移动的最大步长;δ表示拥挤度因子[1]。 　　1.2 觅食行为 　　人工鱼的觅食行为的基本流程如图1所示。 　　人工鱼在当前位置Xj 的邻域中遍历每一个邻居,找到其中食物浓度最高(在进行极大值寻优时为最高,进行极小值寻优时为最低,在本节中以极大值寻优为例)的邻居,并判断该邻居是否在禁忌表中,如果不在禁忌表中,则将该网格点插入禁忌表,人工鱼移动到该网格点,并将该点的食物浓度与公告板信息进行比较,如果优于公告板,则更新公告板状态;如果Xi在禁忌表中,则判断是否满足藐视准则,如果不满足藐视准则,则重新初始化当前的人工鱼,以便在更广阔的范围内进行寻优,相当于在同样的存储空间中增加了进行寻优的人工鱼个数。 　　1.3 追尾行为 　　设人工鱼当前位置为Xj ,在其视野范围内寻找目标函数值最优的伙伴xi ,如果该伙伴所处的位置具有较高的食物浓度,且不太拥挤,则人工鱼从当前位置向该伙伴移动,否则执行觅食行为[2]。 　　1.4 最优解的获取 　　基本鱼群算法获取的仅仅是系统的满意解域,无法获取精确或较精确的最优解。通过基于网格划分策略的引入,可以有效的解决最优解的获取问题。由于在改进算法中使用了禁忌搜索算法,在寻优的过程中减少了大量无用的计算,提高了寻优的速度,强制不满足藐视准则的人工鱼进行初始化,能够在系统的解空间上进行更加全面的搜索,同时充分利用了鱼群的公告板信息,在搜索过程中,如果公告板信息维持一定的次数没有更新,则可认为公告板的信息存在于系统的满意解域中。如果公告板历史最优解xi 相邻的两个对称网格点xi 和xi-1 到xj 的坡度相等,则xi 即为系统的精确最优解;如果坡度不相等,则令: 　　即以其邻居确定的变量向量取值范围重新进行网格划分,直到max(gridLengthi)(i=1,2,…,n),这样