一種新的小生境魚群優(yōu)化算法

(西南交通大學數(shù)學學院，四川 成都 611731)

·計算機軟件理論、技術(shù)與應(yīng)用·

一種新的小生境魚群優(yōu)化算法

徐翔燕，黃天民

(西南交通大學數(shù)學學院，四川 成都 611731)

針對魚群算法后期收斂速度慢和難以找到精確最優(yōu)解的缺點，結(jié)合進化論中的小生境技術(shù)，提出一種新的小生境魚群優(yōu)化算法。通過魚群個體之間的距離找到具有相似距離的個體組成小生境種群，在該種群內(nèi)執(zhí)行魚群算法的聚群、追尾及覓食行為，所有個體經(jīng)過其小生境群體的進化后，找到最優(yōu)的個體存到下一代的魚群中，直到找到滿意的適應(yīng)值。通過幾個典型的多峰測試函數(shù)驗證算法的性能。仿真結(jié)果表明，算法的收斂性、尋優(yōu)性均達到良好的效果。

魚群算法；小生境技術(shù)；多峰測試函數(shù)

人工魚群算法(artificial fish—swarm algorithm，AFSA)，是2002年由李曉磊等[1]提出的一種新型自適應(yīng)尋優(yōu)算法。AFSA算法具有對初值選擇不敏感、魯棒性強、全局收斂性好、簡單易實現(xiàn)和使用靈活等優(yōu)良性能。目前，人工魚群算法已應(yīng)用于組合優(yōu)化[2-3]、數(shù)據(jù)挖掘[4]、神經(jīng)網(wǎng)絡(luò)優(yōu)化[5]、信號處理[6]、水庫優(yōu)化調(diào)度[7]、圖象分割[8]等諸多領(lǐng)域，然而，隨著優(yōu)化問題的復(fù)雜化，基本人工魚群算法也存在不足:1)對于局部極值非常突出或收斂十分平緩的情況，人工魚易在局部極值或全局極值點附近過早的聚集，導(dǎo)致后期精度改善明顯變緩；2)視野和步長的隨機性和隨機行為的存在，使得尋優(yōu)難以得到很高的精度。針對魚群算法的不足，AFSA的改進算法主要有以下幾個方面：1)引入生存機制和競爭機制[9]；……