基于約束優化問題的人工魚群算法及其改進

孫王杰，盧月亮，孫書貝，鞏曉悅

(1.吉林化工學院理學院，吉林吉林132022;2.吉林化工學院信息與控制工程學院，吉林吉林132022)

隨著應用和需求的不斷擴展，出現了一些新穎的優化算法，如人工神經網絡、混沌、遺傳算法、模擬退火、禁忌搜索等等.這些算法都是通過模擬或揭示某些自然現象或過程而得到發展的.在這期間群智能優化算法也得到了較快發展，如粒子群算法、蟻群算法等等.2002年，李曉磊博士通過研究魚群的行為特點提出了一種新型的群智能優化算法-人工魚群算法［1］.人工魚根據環境的狀態通過它的四種行為來尋找最優解［2］，其中4種行為分別是覓食行為、追尾行為、聚群行為和隨機行為［3］.

本文改進了人工魚的覓食行為，將人工魚群算法與罰函數的理論結合來解決約束優化問題.另外引入了吞噬行為以便加快收斂速度，得到更優的適應度值.仿真結果表明改進的人工魚群算法在解決約束優化問題時，具有收斂速度快、適應度值優、全局尋優性能強等優點，比基本人工魚群算法具有更好的性能.

1 人工魚群算法

1.1 人工魚群算法簡介

人工魚(artificial fish，AF)是真實魚的一個虛擬實體，用來進行問題的分析和說明.通過模擬魚類的四種行為:覓食行為、聚群行為、追尾行為和隨機行為，來使魚類活動在周圍的環境.這些行為可以在不同的情況下相互轉換.

算法采用面對對象的技術重構人工魚的模型，將人工魚封裝成變量和函數兩部分.變量部分包……