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.     

人工鱼群算法的简介及应用

人工鱼群算法是一种基于行为的人工智能思想,通过鱼在水里的行为方式模拟构建了一种鱼群模式,用来解决寻优问题,从而产生了一种新型的智能算法。本文首先通过介绍人工鱼群算法的原理来阐述其在各领域的运用。     

基于人工鱼群算法的无线室内定位优化

针对基于BP神经网络室内定位算法收敛速度慢和定位精度低的问题,提出了改进的人工鱼群算法( AFSA)和距离加权质心法。通过改进人工鱼觅食和寻优方式来提高人工鱼全局寻优的能力和速度,并用该算法来选取室内定位神经网络参数;通过改进的加权质心法计算距离,以减小室内复杂环境干扰造成的定位的误差。实验证明该改进方法使室内定位的平均精度比BP神经网络模型提高8%左右,并提高了室内定位的可靠性。     

基于混沌遗传算子的人工鱼群算法

为提高人工鱼群算法的计算精度和收敛速度,在全局版人工鱼群算法的基础上,利用混沌遗传算子,增加鱼群迭代的混沌扰动以避免局部极值陷阱的同时较大提高了鱼群整体的优化效果和计算精度,加快了算法收敛速度.仿真结果表明,该算法有效可行.     

基于改进人工鱼群算法的神经网络优化

针对人工鱼群算法的寻优速度慢,后期收敛性差等缺陷提出了一种并行运行方式的改进人工鱼群算法(Improvement Artificial Fish Swarm Algorithm,IAFSA)。进而应用IAFSA算法对BP神经网络初始权值进行寻优,以解决BP网络初始权值选取困难且优化过程中容易陷入局部极值的问题。最后,将IAFSA-BP网络混合算法应用于PID参数的优化,从而克服了PID控制参数难以整定的难题。通过仿真实验,结果表明:改进的人工鱼群算法寻优速度更快,优化值更加合理。应用IAFSA-BP混合算法得到的PID控制参数使得系统响应更快,稳态误差更小,系统性能得到提升。     

一种人工鱼算法与捕鱼算法相结合的优化方法

在分析人工鱼群算法和捕鱼算法存在不足的基础上,提出了一种人工鱼群算法(AFSA)与采用捕鱼策略的优化算法(FSOA)相结合的混合算法。该算法在优化初期使用AFSA算法搜索局部最优域,而在优化后期则使用FSOA算法在优化前期所初步确定的局部最优域中搜索最优解。实验计算结果表明,该算法具有优化精度高、收敛速度快的特点。     

基于单纯形法的双群人工鱼群算法

针对基本人工鱼群算法中人工鱼漫无目的随机游动或在非全局极值点的大量聚集的不足,提出了一种基于单纯形法的双群人工鱼群算法.在该算法中,两个不同的子群并行游动,通过子群重组进行子群间的信息交换,实现鱼群在解空间的探索和搜索能力,然后通过单纯形法进行局部再搜索.基于典型的函数和实例测试验证,表明该算法收敛速度快、精度高,具有更好的性能.     

基于单纯形的双群人工鱼群算法

针对基本人工鱼群算法中人工鱼漫无目的随机游动或在非全局极值点的大量聚集的不足,提出了一种基于单纯形法的双群人工鱼群算法。在该算法中,两个不同的子群并行游动,通过子群重组进行子群间的信息交换,实现鱼群在解空间的探索和搜索能力,然后通过单纯形法进行局部再搜索。基于典型的函数和实例测试验证,表明该算法收敛速度快、精度高,具有更好的性能。     

基于人工鱼群算法的离散化方法

针对连续属性离散化过程中由于区间分割不当所造成的病态问题,提出一种最优离散化方法.将离散化中的分割点划分问题转化为一个指标寻优问题,采用人工鱼群算法进行优化求解.通过引入虚拟分割点,利用鱼群算法的聚群行为对离散区间实现有效合并.实例分析结果表明,用人工鱼群算法寻优得到的离散区间数目较少,最后得到的决策规则更为精简并具有较强的数据抗干扰能力.     

引入贪心鱼群的改进人工鱼群算法

针对人工鱼群算法(AFSA)局部寻优不精确等问题,提出一种引入贪心鱼群改进人工鱼群算法(IAFSASF)的方法.贪心鱼群具有不同于普通鱼群的行为策略,在觅食行为中贪心鱼群紧紧跟随在最优适应度的人工鱼的附近进行食物搜索,而不执行追尾和聚群行为,因此,贪心鱼群具有更好的局部寻优能力.实验证明:IAFSASF比原有算法在减少时间复杂度的同时有效提高了求解精度.     

基于广义高斯随机混沌算法的AFSA 在 WSN 覆盖中的研究

如何能够进行更好的覆盖优化是目前无线传感器网络研究的热点。针对目前的传感覆盖模型没有考虑覆盖范围、成本和连通性的问题进行改进,在人工鱼群算法(AFSA)的基础上,对初始阶段对人工鱼群采用广义高斯分布,在觅食阶段采用混沌算法,使得个体分布更加合理,有效减少了聚群行为的时间。仿真结果表明,改进后的人工鱼群能够有效地提高节点的覆盖率,降低了网络消耗和成本,为传感覆盖优化提供了一种新的方法。     

一种基于人工鱼群和文化算法的新型混合全局优化算法*

提出一种基于人工鱼群和文化算法的新型混合全局优化算法,该混合算法的思想是将人工鱼群嵌入文化算法框架中,作为种群空间的一个进化过程;通过从进化种群中获得的知识组成知识空间,两空间具有各自群体并独立并行演化,从而实现增加人工鱼群的群体多样性。最后通过数值实例仿真结果表明,本算法具有较高的计算精度和收敛速度。     

基于免疫遗传退火算法的Web关联规则挖掘方法*

摘要：根据关联规则挖掘的要求与特点,结合免疫算法,遗传算法和模拟退火算法的优点,提出一个基于免疫遗传退火算法的Web关联规则挖掘方法。实验结果表明,与遗传算法和模拟退火算法相比,基于免疫遗传退火算法的关联规则发现在Web挖掘中具有一定的优势。     

基于改进人工鱼群算法的RBF网络及其在人脸表情识别中的应用

在分析人工鱼群算法(AFSA)不足的基础上,研究了一种改进的人工鱼群算法,改进主要体现在两个方面：引入人工鱼移动最佳步长算子;改进觅食行为。将改进算法用于径向基神经网络的训练过程,建立相应优化模型,并将其应用到人脸表情的识别中。研究表明,改进算法具有收敛速度快、识别率高等优点。     

基于Log-Linear模型的Gauss-Cauchy自适应人工鱼群算法

针对基本人工鱼群算法在寻优过程中易在非全局极值点附近大量聚集,导致寻优精度降低、收敛速度过慢、人工鱼群多样性降低等问题,提出了一种基于Log-Linear模型的Gauss-Cauchy自适应人工鱼群算法。首先,在基本人工鱼群算法中引入Log-Linear模型来优化人工鱼的三个行为;其次,在算法中引入自适应调整人工鱼视野和步长的策略,随着算法的进行提高了人工鱼的搜索范围和寻优精度;再次,利用Gauss-Cauchy变异来提高人工鱼的多样性。仿真实验结果表明,该算法与其他改进算法相比,有效地提高了收敛速度和寻优精度,保持了人工鱼群的多样性。     

基于新型免疫粒子群优化的热连轧负荷分配策略*

针对带钢热连轧精轧中的负荷分配问题,提出了一种新型的优化策略。首先提出了一种新型的免疫粒子群混合优化算法,通过克隆选择算子来调节群体的浓度,实现混合算法的个体高亲和力和群体的多样性; 然后通过提出的混合算法对负荷分配进行优化,得到优化的压下量数据,通过这些数据建立了计算负荷分配输出的人工神经网络。实验表明,提出的混合算法和负荷分配优化策略给出了很好的优化效果,能有效地指导实际生产应用。     

基于人工鱼群算法优化SVM的手部动作sEMG识别

为了提高人体手部运动模式识别的准确性,提出了一种基于人工鱼群算法优化支持向量机( SVM)的模式识别方法.该方法对采集的表面肌电信号( sEMG)去噪后提取小波系数最大值作为特征样本,将提取后的特征输入到SVM进行动作模式识别,同时采用人工鱼群算法优化SVM( AFSVM)的惩罚参数和核函数参数,避免参数选择的盲目性,提高模型的识别精度.通过对内翻、外翻、握拳、展拳四种动作仿真结果表明:该方法与传统的SVM方法相比具有更高的识别率.     

大规模无线传感器网络覆盖优化算法

为了增强三峡库区水环境监测的大规模无线传感器网络（WSNs）覆盖效果和延长大规模WSNs生存时间,采用混沌人工鱼群算法。首先以最大化网络覆盖率作为优化目标,建立WSNs覆盖模型,将具有遍历性特点的混沌系统引入到人工鱼群算法中,能够有效避免算法长时间位于局部极值附近。仿真结果表明：改进的人工鱼群算法提高了网络的覆盖率,有效减低了网络的成本。     

基于层次分析方法与人工鱼群算法的智能组卷*

针对已有智能组卷方法难以满足考核要求,设计了一种基于层次分析方法与人工鱼群算法的新方法。首先根据试卷总分、考试时间、章节分数、知识点分数、题型分数、能力层次分数、试卷难度与试卷区分度八个考核要求建立多目标、多约束组卷模型;然后利用层次分析方法确定各组卷目标的权重,进而通过线性加权求和将多目标规划模型转换为单目标规划模型;最后利用改进的人工鱼群算法求解模型得到最优组卷方案。该方法适用于单套组卷与多套组卷。同时,讨论了该方法的优缺点以及发展趋势。