改进的人工鱼群混合算法在交通分配中的应用

关于交通规划优化过程,针对均衡交通分配问题,采用目前Frank- Wolfe算法收敛速度较慢、计算负担较大限制了均衡模型在实际中的应用,提出遗传算法的人工鱼群混合优化算法求解均衡交通分配问题.在人工鱼群混合优化算法中引入遗传算法的交叉和变异操作,实现优化行为的互补,建立遗传算法的人工鱼群混合优化算法求解变量较多,有较好的弹性需求和用户均衡交通分配模型.通过数值仿真,表明混合优化算法比单一的人工鱼群算法求解交通分配问题效果好,混合优化算法可靠、有效.     

进化策略算法在矩阵特征值求解中的应用

工程实践中多种振动问题的求解常常归纳为求矩阵特征值问题,另外一些稳定性分析问题及相关分析问题也可以转化为求矩阵特征值问题.为了有效求解此类问题,提出了一种新的求解矩阵特征值的进化策略算法,该算法可用于求解任意矩阵的特征值.实验结果表明,这种基于进化策略算法求解矩阵特征值的方法,与传统方法相比,表现出求解精度高,收敛速度快等优点.     

基于多元Taylor级数和AFS的混合定位算法

针对传统Taylor级数定位算法存在精度严重依赖初始值,导致定位精确度不高的缺陷,结合人工鱼群算法和多元Taylor级数展开算法的优点,提出了一种基于人工鱼群算法初值选取与多元Taylor级数展开算法精确求解的混合定位方法。算法充分发挥了人工鱼群算法初值估计性能良好和多元Taylor级数展开算法求解精度高的优点。仿真结果表明:上述算法减少了鱼群数目和迭代次数的选取对定位精度的影响,混合定位算法的精度更高。     

粒子群和人工鱼群混合优化算法

提出基于粒子群的人工鱼群混合优化算法,该算法综合利用人工鱼群算法的良好全局收敛性和粒子群算法的局部快速收敛性、易实现性等优点,克服人工鱼群算法收敛速度慢及粒子群算法后期全局收敛差的缺点,发挥了两者的优越性,并成功应用于求解具有变量边界约束的非线性的复杂函数最优化问题和求解复杂化学方程根的问题。仿真结果表明,混合粒子群算法不仅具有较好的全局收敛性能,而且具有较快的收敛速度。     

求解矩阵特征值的捕鱼算法

根据圆盘定理以及矩阵特征值的性质,将求解特征值的问题转化为最小化问题。通过圆盘定理确定寻优区域,用捕鱼算法在复数域内求解任意数值矩阵特征值的近似值。数值实验表明,该算法具有收敛速度快,计算精度高的优点。因此,该算法是有效和可行的。     

求解矩阵特征值和特征向量的PSO算法

提出一种基于粒子群优化算法的求解方法,将线性方程组的求解转化为无约束优化问题加以解决,采用粒子群优化算法求解矩阵特征值和特征向量。仿真实验结果表明,该方法求解精度高、收敛速度快,能够在10代左右收敛,可以有效获得任意矩阵的特征值和特征向量。     

求解组合优化问题的鱼群算法的收敛性证明

为了证明求解组合优化问题的人工鱼群算法的全局收敛性,将人工鱼群算法的搜索空间定义为离散空间,其中的每个点即为一个人工鱼的位置状态,其食物浓度即为该点的目标函数值。根据食物浓度大小将整个离散空间集合分为若干个非空子集;将所有人工鱼集合也对应划分为若干个非空子集。在人工鱼的觅食、聚群和追尾过程中,人工鱼从一个位置状态转移到任意一个位置状态的转移概率可以计算出来;人工鱼移动过程中的每个位置状态对应于有限Markov链上的一个状态,且满足可归约随机矩阵的稳定性条件,据此证明了工鱼群算法具有全局收敛性。     

使用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,在分析该问题特点的基础上提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法的对比试验结果表明该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。     

基于混合人工鱼群算法车辆拥堵调度方案

研究交通拥堵的有效调度问题,提高调度的效率。针对传统的车辆调度算法在进行车辆调度路径选择时,需要建立一定的预估性约束条件,一旦建立一个的约束条件受阻,会影响其它约束条件的生效,造成算法收敛速度慢、易陷于局部最优、车辆拥堵时调度效率较低的问题。为了解决上述问题,提出使用优先适合启发式算法与人工鱼群算法相结合的混合人工鱼群算法求解拥堵时车辆的高效调度问题,运用鱼群中的觅食、群聚等数学模型,解决约束冲突弊端,进行最优调度路径的准确定位仿真。实验结果表明,混合人工鱼群算法能快速有效的求解车辆拥堵问题,解决了最优调度路径的选择,为求解车辆高效调度提供了参考,具有广阔的应用前景。     

求解全局优化问题的混合人工鱼群算法

把Powell算法作为人工鱼群算法的一个局部搜索算子,嵌入到自适应人工鱼群算法中,构成一种基于Powell算法和自适应人工鱼群的混合算法。该算法充分利用了自适应人工鱼群算法的全局收敛性和Powell算法的强局部搜索能力,使得混合算法的全局收敛性能得到了改善,并且减少了计算量。计算机仿真结果表明,自适应混合人工鱼群算法能够在保持较高精度的前提下快速收敛。     

求解VRP问题的混合鱼群遗传优化算法

首先对物流配送中的一般车辆优化调度问题（VRP）进行了分析,并为之建立了相应的数学模型。随后设计了一个人工混合鱼群算法,并研究了如何应用该算法解决车辆优化调度问题,该算法在初期阶段应用人工鱼群算法迅速获得阶段最优解,在后期阶段应用遗传算法寻求最优解。最后通过仿真实验验证了该算法具有求解速度快,性能稳定等优点。     

一种混沌人工鱼群优化算法

人工鱼群算法是一种群智能全局随机优化算法,存在陷入局部极值和效率低的不足,结合混沌搜索的特点,提出一种混沌人工鱼群优化算法,该算法是用混沌初始化来初始化鱼群,在聚群和追尾行为后进行混沌的遍历性和随机性扰动来使鱼群局部搜索同时摆脱局部极值点。仿真实验结果表明,该算法比基本人工鱼群算法全局能力更强,搜索效率更高。     

最优化问题全局寻优的AFSA-BFGS混合算法

针对人工鱼群算法在优化后期收敛速度变慢问题,利用BFGS算法快速的局部搜索能力来改进,提出了一种最优化问题全局寻优的AFSA-BFGS混合算法。通过8个标准函数测试结果表明,AFSA-BFGS混合算法,不仅具有全局收敛性能,而且还具有较快的收敛速度和更高的求解精度,是求解优化问题的一种有效方法。     

基于人工鱼群和微粒群混合算法的WSN节点部署策略

将无线传感器网络节点分布部署问题形式化为一个组合优化问题,以网络覆盖率为目标函数。针对该模型 提出基于人工鱼群与微粒群的混合算法的无线传感器网络节点部署优化策略。微粒群算法搜索效率高,而人工鱼群 算法进行搜索时有很好的全局性。AF SA-POS算法将这两种算法相结合,局部搜索速度快,而且有效地解决了标准 PS<)算法中的粒子“早熟”问题。最后使用MA"I'LAI3进行了实验,结果表明提出的算法减少了迭代次数,并且提高了 网络覆盖率,相对于人工鱼群算法和微粒群算法来说能取得更好的效果。     

基于遗传算法的人工鱼群优化算法

人工鱼群算法(AFSA)是一种高效的群智能全局优化技术.通过对人工鱼群算法(AFSA)不足的研究,在遗传算法的基础上,提出了基于遗传算法的人工鱼群优化算法.该算法保留了人工鱼群算法(AFSA)简单、易实现的特点,同时克服了人工鱼漫无目的的随机游动或在非全局极值点的大量聚集,显著提高了算法的运行效率和求解质量.最后通过大量的函数和实例测试结果表明,与其它算法相比,该算法是可行和有效的,具有运行速度快和求解精度高等特点.     

求解0/1背包问题的改进人工鱼群算法研究

分析了人工鱼群算法求解组合优化问题的不足,提出一种改进人工鱼群算法。该算法针对背包问题的特点,采用随机键方法对待装载物品进行编码,利用物品的单位价值（价值-质量比）启发式信息进行解码,直接在编码空间上模拟人工鱼行为。使用优质解随机游走寻优、优质解保留劣质解被替换和劣质解随机游走寻优三个更新算子来改善人工鱼群的全局搜索能力。通过实例进行了算法测试和比较。算法测试表明：改进后的人工鱼群算法提高了收敛速度,增强了全局搜索能力。     

求解旅行商问题的改进人工鱼群算法*

分析了人工鱼群算法求解组合优化问题的不足,提出一种改进人工鱼群算法。该算法针对旅行商问题的特点,采用随机键表达编码,直接在编码空间模拟人工鱼行为,将城市间的距离作为启发式信息,根据状态转移概率和轮盘赌选择策略进行最优解码,加快人工鱼寻优的速度;设计了三个更新算子来改善人工鱼群的全局搜索能力。最后,结合实例对算法进行了比较和分析。算法测试表明：改进后的人工鱼群算法提高了收敛速度,增强了全局搜索能力。     

人工鱼群算法在桥梁传感器优化配置中的应用

为了实现桥梁结构健康监测传感器的优化配置,用尽可能少的传感器获取尽可能多的反映桥梁结构健康状况的信息,将人工鱼群算法应用于一座拱桥的传感器配置中,利用人工鱼的三种典型行为,解决桥梁传感器优化配置问题。结果表明,人工鱼群算法自适应能力强,收敛精度高,可以实现桥梁结构健康监测传感器优化配置。     

基于蚁群与鱼群的混合优化算法

基于鱼群算法和蚁群算法提出一种混合优化算法用于求解组合优化问题。将鱼群算法中拥挤度的概念引入到蚁群算法中,在优化过程的初期,设置较强的拥挤度限制,保证大部分蚂蚁不受信息素浓度的影响而进行随机寻优。随着寻优迭代次数的增加,拥挤度的限制逐渐减弱,最后蚁群完全由信息素和启发信息来指导寻优。在寻优初期该算法具有较强的遍历寻优能力,能够较快发现全局最优解的存在,而寻优后期,算法利用信息素正反馈的作用保持了较快的收敛速度。仿真结果验证了该方法的有效性。