组合优化问题的人工鱼群算法应用

通过模仿鱼类的行为方式，提出了一种基于动物自治体的优化方法一人工鱼群算法(Artificial Fish，school A1gorithm)，并将其用于组合优化问题的求解．介绍了该算法在此类问题求解中的距离、邻域等概念，给出了具体的实现方法．最后以TSP问题为例对该算法进行仿真测试．结果表明它具有快速收敛的能力。     

人工鱼群算法在无功优化中的应用

人工鱼群算法总结出了鱼群的行为所具有的基本特点,并结合动物自治理论,提出了一种新型优化模型。通过鱼的觅食行为、群聚行为、追尾行为、随机行为这4种行为对人工鱼的活动属性进行了描述。通过建立无功优化的数学模型,并将人工鱼群算法应用在配电网的动态无功优化过程中,通过IEEE-30标准节点系统进行仿真,验证了该算法的稳定性和可靠性。     

基于人工鱼群的DNA编码序列组合优化算法研究

分析DNA编码序列设计的目标及需要满足的约束条件,提出全局人工鱼群算法（GAFSA）生成有效的DNA编码序列.根据优化问题的约束条件及人工鱼群的特点,对人工鱼的视野和步长按进行动态调整.实验结果表明,所述GSFSA算法比遗传算法、多目标进化算法、遗传粒子群算法算法产生的DNA编码序列具有更高的质量.     

基于约束优化问题的人工鱼群算法及其改进

在人工鱼群算法基础上,对人工鱼群算法进行改进,结合遗传算法提出的适应度函数来解决约束优化问题.具体表现在改进了人工鱼的觅食行为,另外引入了吞噬行为以便加快收敛速度,得到更优的适应度值.仿真结果表明改进的人工鱼群算法在解决约束优化问题时,具有收敛速度快、适应度值优、全局寻优性能强等优点.改进的人工鱼群算法较之基本人工鱼群算法具有更好的性能.     

人工鱼群算法在孔群加工路径优化中的应用研究

将人工鱼群算法应用于孔群加工路径优化的研究,建立以最短加工路径为目标的路径优化数学模型,阐述算法实施的具体过程并进行算例分析。结果表明,该方法求最优解的性能优于Hopfield算法、进化蚁群算法、人工免疫算法以及改进的遗传算法,获得的最优路径可以节省71.47%的行走路程。     

基于人工鱼群算法的桁架结构的优化

针对基本人工鱼群算法在解决桁架结构优化问题时存在的后期收敛速度慢、寻优精度不高等缺陷,在算法初期采用Logistic方程初始化解群,提高求解效率和质量,在算法运行过程中利用粒子群优化算法惯性权重调整策略对人工鱼的步长进行改进,以提高寻优的速度和精度。将改进后的算法应用到桁架结构优化中,以桁架截面尺寸为设计变量,结构最小重量为目标函数建立优化设计模型,运用MATLAB进行模型优化分析,并与其它算法优化结果进行对比。结果表明,改进的算法在收敛速度与寻优精度方面均有所提高,尤其在迭代计算的初期,效果非常明显。     

基于人工鱼群算法的桁架结构的优化

针对基本人工鱼群算法在解决桁架结构优化问题时存在后期收敛速度慢、寻优精度不高的缺陷,在算法初期利用混沌运动遍历性、随机性等特点初始化解群,提高求解效率和解的质量,在算法运行过程中利用粒子群优化算法惯性权重调整策略对人工鱼的步长进行改进,提高寻优的速度和精度。将改进后的算法应用到桁架结构优化中,以桁架截面尺寸为设计变量,结构重量最小为目标函数建立优化设计模型,运用Matlab进行模型优化分析,并与其它算法优化结果进行对比。结果表明,改进的算法在收敛速度与寻优精度方面均有所提高,尤其在迭代计算的初期,效果非常明显,迭代次数为55次左右时优化结果基本平稳。     

一种变视野和步长的人工鱼群算法

针对传统人工鱼群算法的寻优精度不高、后期收敛速度慢且出现振荡现象的问题,提出一种自适应视野和步长的人工鱼群算法,该算法将两条人工鱼之间的距离作为视野,并将得到的视野乘以一个系数作为步长。随着鱼群的不断聚集,视野和步长相应地减小,有利于搜寻到最优点。实验结果表明,改进后的算法收敛速度更好、寻优精度更高。     

基于微人工鱼群算法优化RBF神经网络

在人工鱼群算法的基础上提出了一种新的优化算法——微人工鱼群算法,作为径向基神经网络（RBFNN）的训练算法.微人工鱼群算法利用两个鱼群（寻优鱼群和库存鱼群）来寻优,寻优鱼群使用人工鱼群算法来寻找全局最优解,库存鱼群保证了寻优鱼群的多样性,微人工鱼群算法使RBFNN的隐中心位置和相应的宽度值同时得以优化,提高了RBFNN的泛化能力.将微人工鱼群算法优化后的RBFNN应用于双螺旋和IRIS分类,试验结果表明,相对于K-means以及人工鱼群算法,本文方法在泛化能力上得到提高.     

基于人工鱼群算法的电力系统稳定器参数优化研究

为提高电网的动态稳定性,有效地抑制低频振荡,对电力系统稳定器进行优化研究和算法改进.在本研究中,将全部PSS的参数配置处理成一个优化问题,用人工鱼群算法求出各个PSS的最佳参数整定值.以所有机电模式的最小阻尼比最大为优化目标函数,以PSS参数为待优化变量,以基于K阵等值法设计的PSS参数作为人工鱼群算法初始种群的选取基准.与传统PSS配置方法相比,该方法可以使多机系统所有机电模式都能得到良好的阻尼.算例结果与预期基本相符,表明了所设计的优化算法是切实有效的.     

基于人工鱼群算法的参数估计方法

利用人工鱼群算法的基本特性 ,提出了一种新的参数估计方法 ,并进行了仿真实验研究 .结果表明 ,具有良好的跟踪性能和实时性     

一种改进混沌神经网络及其在组合优化问题中的应用

在传统的混沌神经网络模型基础上,提出了一种改进的混沌神经网络(ICNN) .通过引入时变的输出函数增益和修正自反馈系数的表达式,使该模型可有效地控制Sigmoid输出函数图形的陡度和模型演化中混沌动态的收敛过程,从而拥有更丰富的神经动力学特性与初值鲁棒性.该模型可有效地解决一系列组合优化问题(COP) ,解决了10个与4 8个城市的TSP问题     

求解TSP问题的改进蚁群算法

分析了标准蚁群算法易于出现早熟停滞现象的主要原因，在原有算法基础上引入局部信息激素、最优最差路径信息激素更新策略及变参数策略，扩大了解的搜索空间，有效抑制了收敛过程中的早熟停滞现象，大大提高了算法收敛速度；同时引入局部最优搜索策略，增大了解突变的机率，求解质量得到了极大的改善．对于典型旅行商问题库中旅行商问题的实验及与标准蚁群算法的比较实验验证了该方法的有效性．     

A new artificial immune algorithm and its application for optimization problems

A new artificial immune algorithm （AIA） simulating the biological immune network system with selfadjustment function is proposed in this paper. AIA is based on the modified immune network model in which two methods of affinity measure evaluated are used, controlling the antibody diversity and the speed of convergence separately. The model proposed focuses on a systemic view of the immune system and takes into account cell-cell interactions denoted by antibody affinity. The antibody concentration defined in the immune network model is responsible directly for its activity in the immune system. The model introduces not only a term describing the network dynamics, but also proposes an independent term to simulate the dynamics of the antigen population. The antibodies＇ evolutionary processes are controlled in the algorithms by utilizing the basic properties of the immune network. Computational amount and effect is a pair of contradictions. In terms of this problem, the AIA regulating the parameters easily attains a compromise between them. At the same time, AIA can prevent premature convergence at the cost of a heavy computational amount （the iterative times）. Simulation illustrates that AIA is adapted to solve optimization problems, emphasizing muhimodal optimization.     

变步长和拥挤度因子的自适应人工鱼群算法

为了改进传统的人工鱼群算法会随着迭代的深入而导致算法易陷入局部最优的问题,以及固定的参数导致算法收敛慢和求解精度不高的问题,提出了一种改进的人工鱼群算法.首先结合迭代次数,为移动步长引入一个权值; 然后以每条人工鱼的视野范围所构成的子群为小生境,结合子群最优解与当前人工鱼状态,为拥挤度因子引入一个变异策略.数值实验结果表明,本文提出的算法收敛速度快、精度高、鲁棒性强,优于传统的人工鱼群算法和文献[4]提出的算法.     

求解TSP的贪心模拟退火算法

通过分析传统模拟退火算法的不足和可行的改进方案,提出了一个用于求解TSP问题的贪心模拟退火算法.新算法在改进的模拟退火算法的基础上结合改进的贪心算法,增加了算法的解的质量.实验表明,新的算法比传统的模拟退火算法和贪心算法有更优的解.     

基于人工鱼群的交通诱导系统最优查询研究

与齐齐哈尔市公安交通警察支队交通控制中心合作开发,并以齐齐哈尔市路况为实际进行凋研,将改进的人工鱼群算法应用于交通路径诱导系统数据库优化查淘中,算法提高了最优路径查询的效率。对人工鱼群算法进行了改进,引入贝叶斯变异算子和十字交叉变异算子,避免了算法局部寻优能力差和收敛速度慢等弊端。仿真实验表明算法是正确有效性的。     

基于改进人工蜂群优化算法的PID参数整定

针对传统的PID控制器参数整定方法中存在的整体效率低、控制效果差等问题,提出了一种改进的人工蜂群算法,在标准算法的搜索方程中引入差分进化算法的变异算子,并添加自适应调整参数,提升算法的收敛速度、增强局部寻优效果的同时,平衡了算法的全局探索和局部开发能力。实验表明,改进后的算法对PID控制器的参数整定优化有明显效果。     

混合人工鱼群算法在约束非线性优化中的应用

为了解决具有约束的非线性优化问题,本文将增广拉格朗日乘子法和鱼群算法相结合用于非线性问题的全局优化,即用人工鱼群算法寻找增广拉格朗日函数的近似最优解,并将该近似解用于拉格朗日乘子和惩罚因子等参数的更新．同时,简要分析了人工鱼群算法的随机收敛性．仿真结果证明,与自适应惩罚遗传算法相比,该混合算法在解决约束优化问题中具有优越性和有效性．