鱼群算法的介绍.ppt

鱼群算法的介绍人工鱼群算法是由李晓磊、邵之江、钱积新等人于2002年提出的一种新的群智能优化算法。它采用了自上而下的寻优模式去模仿自然界鱼群的觅食行为,主要利用鱼的觅食、聚群和追尾现象,构造个体的底层行为,通过鱼群中各个体的局部寻优,达到全局最优值在群体中凸现的目的。研究表明,该算法具有较好的收敛性下面介绍三种行为:1、觅食行为:在视野范围内随机搜索一个状态,判断此状态是否由于目前自身状态,优于就执行向此状态移动,否则随机移动一步。2、聚群行为:搜寻视野范内的同伴,判断视野范围内的鱼群中心的食物量是否比当前自己拥有的食物量多。如果多则往鱼群中心方向移动,少则执行觅食行为。3、追***为:搜寻视野范围内的同伴,找出拥有食物量最多的个体。并判断拥有食物量最多的个体的周围是否有太多的鱼。如果少则说明值得往食物量最多的鱼方向移动,如果太多则说明不值得向食物量最多的鱼方向移动,还是自己找食物好(即执行觅食行为。)。(这里的多和少是有拥挤因子决定的。)鱼有感知行为、行为评估、行执行。感知行为又分为对环境的感知、对群体的感知、对个体的感知。这三种行为分别对应:觅食行为感知、聚群行为感知、追***为感知。行为评估也有:觅食行为评估、聚群行为评估、追***为评估。执行也有:执行觅食行为、执行聚群行为、执行追***为。公告板用来记录状态最优的人工鱼。在构建人工鱼模型之前,先介绍一下相关的一些定义:向量X表示人工鱼个体的状态,Xv表示感知的下一个状态。L为食物量,visual表示人工鱼的感知距离;Y=f(x)表示实物浓度;step表示人工鱼移动的最大步长。表示拥挤度因子。其中L为目标函数值;Dv1v2=||Xv1-Xv2||表示人工鱼个体之间的距离。:设人工鱼的当前状态为Xv1,在其感知范围内随机选择一个状态Xv2,如果Yv2>Yv1,则向Xv2方向前进一步;反之,再重新随机选择状态Xv2,判断是否满足前进条件;反复几次后,如果仍不满足前进条件,则随机移动一步。(这是传统的觅食行为,只是在感知范围内随机选择一次,即审视一次周围的环境。我是针对这一点进行改进的。):人工鱼的当前状态为Xv1,探索当前邻域内(Dv1v2<visual)的伙伴数目nf及中心位置Yc,如果且,表明伙伴中心有较多的食物并且不太拥挤,则朝伙伴的中心位置方向前进一步;否则执行觅食行为。如果也执行觅食行为。***为追***为:人工鱼的当前状态为Xv1,探索当前邻域内(即Dv1v2<visual)中适应度值最大的伙伴Xv2,如果且Yv1<Yv2,表明伙伴Xv2的状态具有较高的食物浓度并且其周围不太拥挤,朝伙伴Xv2的方向前进一步;否则执行觅食行为。如果也执行觅食行为。:随机行为的实现比较简单,就是在视野中随机选择一个状态,然后向该方向移动,其实它是觅食行为的一个缺省行为。根据所要解决的问题性质,对人工鱼当前所处的环境进行评价,从而选一种行为。较常用的评估方法是:选择各行为中使得向最优方向前进最大的方向,也就是各行为中使得人工鱼的下一个状态最优的行为,如果没有能使下一个状态优于当前状态的行为,则采用随机行为。鱼群算法的局限性:算法一般在优化初期具有较快的收敛性,后期却往往收敛较慢。不同的参数设置对算法的收敛速度和结果精度有很大的影响。基本