求解多背包问题的人工鱼群算法

多背包问题是出现在现实世界中许多领域的一个NP-hard组合优化问题。提出一种基于人工鱼觅食,追尾、聚群等行为的求解多背包问题的优化算法。针对多约束导致大量非可行解的产生而使算法性能劣化的问题,采用基于启发式规则的调整算子,使人工鱼始终在可行解域中寻优。数值实验结果表明,提出的算法能够快速搜索到最优解。算法对其他有约束组合优化问题也具有应用价值。     

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。     

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。     

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.     

基于猴群算法求解0-1背包问题

0-1背包问题是一个经典的NP完全问题,该问题在实际生活中具有广泛的应用.针对现有算法在求解0-1背包问题时精度不高的缺点,提出了一种诱导因子猴群算法.所给诱导因子猴群算法的基本思想是,在基本猴群算法的爬过程中引入诱导因子,诱导其向上爬行,从而可以逃逸局部最优解,找到全局最优解.在仿真试验中,与已有方法进行比较,结果说明利用所给诱导因子猴群算法求解0-1背包问题是有效的.     

求解约束优化问题的人工鱼群算法

在利用人工鱼群算法求解约束问题时,处理好约束条件是取得好的优化效果的关键。引入了半可行域的概念,并结合人工鱼群算法(ArtificialFish-SwarmAlgorithm,AFSA)本身的特点,设计了基于竞争选择和惩罚函数的适应度函数,从而得到了一个利用ASFA算法求解约束优化问题的新的进化算法。实验证明了算法的有效性。     

多选择背包问题的人工蜂群算法*

多选择背包问题是组合优化中的NP难题之一,采用一种新的智能优化算法——人工蜂群算法进行求解。该算法通过雇佣蜂、跟随蜂和侦察蜂的局部寻优来实现全局最优。基于算法实现的核心思想,用MATLAB编程实现,对参考文献的算例进行仿真测试。与其他算法进行了比较,获得了满意的结果。这说明了算法在解决该问题上的可行性与有效性,拓展了人工蜂群算法的应用领域。     

求解0/1背包问题的萤火虫算法

该文将萤火虫算法应用于求解小规模0/1背包问题,利用基本萤火虫算法的求解思想,对0/1背包问题进行分析,通过对物品数为10、25和50的背包问题进行了仿真实验,实验结果表明该算法在解决小规模0/1背包问题是可行的。     

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。     

离散杂草优化算法在0/1背包问题中的应用

为解决粒子群优化算法在求解0/1背包问题中的早熟收敛问题,将杂草优化算法应用到离散问题,提出了一种离散杂草优化算法(DIWO)。根据组合优化问题的特点,对原算法中正态分布于父代周围的子代进行离散化分析,引入遗传操作中的一种改进的变异机制,保证了新算法的有效性,使其具有局部的随机搜索能力。通过三个仿真实例验证,对比粒子群算法,新算法在种群数量较小、迭代次数较少的情况下能取得更好的结果。     

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。     

基于共生系统的人工鱼群算法在饲料配方优化中的应用

考虑到智能算法对各类饲料配方优化模型的广泛适用性,首次将人工鱼群算法（AFSA）应用于饲料配方优化。为满足饲料配方优化对收敛精度的要求,采用了一种基于共生系统的人工鱼群算法运行框架,显著提高了原算法的收敛精度与速度。在优化过程中,人工鱼在解空间的位置直接以饲料配比进行编码,采取基于罚函数的评价函数计算其适应度;人工鱼以预定的行为策略执行各行为算子对解空间进行搜索。最后三个实际算例验证了所提算法的有效性。验证结果表明,所提算法设计出的饲料配比方案的吨成本显著降低,各项营养达标,提出算法的优化性能明显优于其他已有算法。     

一种求解0-1背包问题的改进遗传算法

针对传统遗传算法（SGA）容易“早熟”的不足,提出一种求解0-1背包问题（KP）的改进遗传算法。借鉴二重结构编码的解码处理方法设计了一种新解码方法,在保证解可行性的同时修正种群中无对应可行解的个体;采用模拟退火算法和改进的精英选择算子改进SGA。实例仿真结果验证了改进遗传算法在进化效率和最优解搜索能力上的优越性。     

反向自适应高斯变异的人工鱼群算法

针对人工鱼群算法存在易陷入局部最优、鲁棒性差以及寻优精度低的问题,提出了反向自适应高斯变异的人工鱼群算法。改进后的算法引入了反向解,根据反向解调整人工鱼的移动方向以及位置,从而提供更多的机会发掘潜在的较优空间,使人工鱼群快速跳出局部最优,从全局角度提升算法的搜索性能。同时提出了一种非线性自适应视野步长策略,更好地平衡了全局搜索与局部搜索之间的关系。为了增加鱼群的多样性,降低人工鱼陷入早熟的可能性,提出了一种最优解引导的高斯变异机制。仿真实验结果表明,该算法能有效地提高人工鱼群的寻优精度、寻优质量及鲁棒性,并且避免了人工鱼群过早收敛。     

基于社会学习机制的改进人工鱼群算法

针对人工鱼群算法后期搜索速度慢、不易得到精确解等问题,结合社会学习机制提出一种改进算法。当人工鱼群算法进行到优化后期时,使用群体社会学习机制中的趋同和趋异行为进行寻优。两种行为搜索速度快,寻优精度高,且趋异现象提高了群体的多样性,增强了跳出局部极值的能力,在一定程度上改善了原算法的搜索性能。仿真实验结果表明了改进算法的可行性和有效性。     

新的混合优化算法及其应用

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和（1+1）-ES的不足,充分利用公告板中的历史最优鱼和（1+1）-ES的优点,提出了一种新的混合优化算法。通过测试函数和应用实例测试验证,结果表明新算法显著提高了基本AFSA和（1+1）-ES的求解质量和运行效率,该算法是可行的和有效的。     

改进的人工鱼群算法的参数分析

基于原始人工鱼群算法,进行觅食、追尾、聚群行为的改进,以及可视域的自适应调整,提出了改进的人工鱼群算法。算法采用不同的参数值进行匹配,以优化函数值为例进行仿真实验。实验分析研究了主要参数对该算法优化性能的影响,并得出了合理的参数取值,以解决人工鱼群算法寻优精度低、运行速度慢的问题;实验还通过不同函数验证了改进的人工鱼算法具有更高的求解精度、更快的执行速度、更高的稳定性等优点。     

一种求解0-1背包问题的新遗传算法

众所周知,遗传算法的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是： 导向以高适应度模式为祖先的“家族”方向。以此结论为基础,利用随机化均匀设计的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新算法,称之为随机化均匀设计遗传算法。最后将随机化均匀设计遗传算法应用于求解0-1背包问题,并与简单遗传算法和佳点集遗传算法进行比较。通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了其他方法常有的早期收敛现象。     

改进AFSA算法优化SVM的变压器故障诊断

提出一种基于改进人工鱼群算法优化支持向量机（SVM）的变压器故障诊断方法。首先对基本人工鱼群算法进行改进,引入柯西变异优化觅食行为,并在算法的迭代过程中利用鱼群搜索到的信息和[t]分布变异的特点,对劣质个体鱼进行消亡与重生,提高鱼群算法的寻优效率和求解精度。然后,利用改进的人工鱼群算法优化SVM的核函数参数及惩罚系数,使SVM分类器获得最佳的分类精度。最后采用决策导向无环图（DDAG）方法建立变压器故障诊断SVM多分类决策模型。通过仿真实验将提出的方法与网格搜索法Grid-SVM、GA-SVM、PSO-SVM比较,所建模型具有更高的诊断正确率。