人工智能技术及应用 课件 第6章 人工鱼群算法.ppt

§6.3 人工鱼群算法实例 6.3.1 基于人工鱼群算法的求解函数最值问题 §6.3 人工鱼群算法实例 6.3.1 基于人工鱼群算法的求解函数最值问题 §6.3 人工鱼群算法实例 6.3.1 基于人工鱼群算法的求解函数最值问题 §6.3 人工鱼群算法实例 6.3.1 基于人工鱼群算法的求解函数最值问题 第6章 人工鱼群算法 §6.1 人工鱼群算法概述 鱼群运动过程包括随机、觅食、聚群和追尾四个行为。 随机行为是指鱼个体在水中的运动是随机的，目的是能够在更大的范围内寻找到食物和身边的同类伙伴。 觅食行为是指鱼个体会向食物含量变大的方向移动。 聚群行为是指鱼个体为了躲避外界的危害会聚集成群体。 追尾行为是指当鱼个体发现了食物，其临近的同类伙伴会尾随其快速到达食物所在位置。 §6.1 人工鱼群算法概述 6.1.1 人工鱼群算法的基本原理 §6.1 人工鱼群算法概述 6.1.1 人工鱼群算法的基本原理 §6.1 人工鱼群算法概述 6.1.1 人工鱼群算法的基本原理 §6.1 人工鱼群算法概述 6.1.1 人工鱼群算法的基本原理 §6.1 人工鱼群算法概述 6.1.2 人工鱼群算法的参数 §6.1 人工鱼群算法概述 6.1.2 人工鱼群算法的参数 §6.1 人工鱼群算法概述 6.1.3 人工鱼群算法的基本流程 §6.1 人工鱼群算法概述 6.1.3 人工鱼群算法的基本流程 人工鱼群算法流程图 §6.1 人工鱼群算法概述 6.1.4 人工鱼群算法的特点与优势 人工鱼群算法是根据鱼类的生存和活动特点提出的一种基于动物行为的自治寻优算法。算法具有以下特点： （1）多个人工鱼同时进行并行搜索； （2）算法中仅利用目标问题作为待求解的函数值； （3）算法具有很强的跳出局部极值的能力； （4）算法虽然是随机的，但总的趋势是向最优位置逼近； （5）算法可以快速跟踪因工作状况或其他因素变更造成的极值点漂移。 §6.1 人工鱼群算法概述 6.1.4 人工鱼群算法的特点与优势 人工鱼群算法是根据鱼类的生存和活动特点提出的一种基于动物行为的自治寻优算法。算法具有以下特点： （1）多个人工鱼同时进行并行搜索； （2）算法中仅利用目标问题作为待求解的函数值； （3）算法具有很强的跳出局部极值的能力； （4）算法虽然是随机的，但总的趋势是向最优位置逼近； （5）算法可以快速跟踪因工作状况或其他因素变更造成的极值点漂移。 §6.1 人工鱼群算法概述 6.1.4 人工鱼群算法的特点与优势 与粒子群和蚁群等群智能算法相比，人工鱼群算法具有下述优势： （1）只需对目标函数值进行比较，而对目标函数的性质要求不高； （2）对初值的要求不高； （3）对算法参数设置的要求不高； （4）具备并行处理能力； （5）算法寻优速度和收敛速度较快； （6）能够快速跳出局部极值点，具有较强的全局寻优能力； （7）适用于精度要求不高的场合； （8）对问题机理模型的要求不是很严格。 §6.1 人工鱼群算法概述 6.1.5 人工鱼群算法的研究与应用 算法的理论基础薄弱，对算法收敛性的研究还仅停留在实验层面，没有从数学角度进行分析和证明，对人工鱼群算法的数学模型和收敛性的研究就尤为重要；算法的实施过程与参数的取值有很大关系，如果能够探究出不同问题域参数选取的规律，则更有利于算法的执行与问题的求解；当算法应用到高维复杂函数的优化问题时，往往存在运行时间长、优化精度低等问题，甚至对某些函数的优化处理失效，即构成早熟问题；对人工鱼群拓扑结构的研究既可以提高优化精度，又可以加快收敛速度；算法的计算量大，运行速度慢，且存在算法退化的现象。 人工鱼群算法已应用在电力系统规划、信号分析与处理、模糊控制器设计、非线性复杂函数优化、灌溉区配水优化、多用户系统检测、大数据挖掘与处理、通信路由优化、湖泊富营养综合评价、任务优化调度、数字图像处理等领域，并获得了较好的效果。 §6.2 人工鱼群算法的改进 6.2.1 基于算法参数的改进 §6.2 人工鱼群算法的改进 6.2.1 基于算法参数的改进 §6.2 人工鱼群算法的改进 6.2.1 基于算法参数的改进 §6.2 人工鱼群算法的改进 6.2.1 基于算法参数的改进 §6.2 人工鱼群算法的改进 6.2.2 自适应人工鱼群算法 §6.2 人工鱼群算法的改进 6.2.2 自适应人工鱼群算法 §6.2 人工鱼群算法的改进 6.2.3 其他改进方法 除了参数改进法和自适应改进法，还可对基本人工鱼群的行为进行改进，包括改进的觅食行为、改进的聚群行为和改进的追尾行为。另外，可采用高阶行为模式，即将人工鱼以前的行为和经验封装在对象内部，并对其采取一定的参考和学习，以达到提高算法效率的目的。 人工鱼群算法在后期往往收敛速度较慢，很难实现精度要求，可将其与其他算法相结