基于差分进化与模拟退火的人工鱼群算法研究

人工鱼群算法(AFSA)存在收敛精度低、易陷入局部最优、后期收敛速度慢等问题,因此难以得到精确的全局最优解。经过对人工鱼群算法、模拟退火(SA)算法和差分进化(DE)方法的研究,提出将SA算法和DE思想引入AFSA算法的后期搜索中,从而得到基于差分进化与模拟退火的人工鱼群算法(DESA-AFSA)。该算法首先通过鱼群算法搜索全局最优解;然后,在公告板最优记录的基础上,采用SA算法对全局极值满意解域进行局部优化,进而跳出局部极值。当SA算法的问题规模较大时,会降低寻优的最优值精度。因此,在SA算法中,通过DE操作增大个体差异性,凸显优秀个体,使优化值更接近最优解。仿真结果表明,与基于模拟退火的人工鱼群算法(SA-AFSA)和AFSA相比,DESA-AFSA在收敛速度、寻优精度和跳出局部极值的能力方面都有所改善,证明了DESA-AFSA的有效性。