人工鱼群算法ppt
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
③ 连续多次所获得的均值不 超过已找到的极值；
④ 达到规定的最大迭代次数。
4
鱼群算法实现
7.2 鱼群算法的基本原理
① 初始化设置：包括种群规模N，每条人工鱼的初始位置，人工鱼的可视域
Visual，步长step，拥挤度因子δ，重复次数Try-number。 ② 计算初始鱼群各个体适应值，取最优人工鱼状态及其值赋予公告
牌。 ③ 对每个个体进行评价，对其要执行的行为进行选择，包括觅食、
聚群、追尾和随机行为。 ④ 执行人工鱼的行为，更新自己，形成新鲜鱼。 ⑤ 评价所有个体，若谋个体优于公告牌，则将公告牌更新为该个体
。
⑥ 当公告牌最优解达到满意误差界内时，算法结束。否则转步骤③。
鱼群算法的步骤
① 初始化设置：包括种群规模N，每条人工鱼的初始 位置，人工鱼的可视域Visual，步长step，拥挤度因子δ，
XV X XV X
Step Rand
其中Rand()函数为产生0到1之间的随机数；Step为步长
参数系统
人工鱼个体的状态可表示为向量
，其中
为欲
X寻 为V 优 目 X的 标变 函Vis量 数ua； 值l 人 ；Ra工 人nd鱼 工 当 鱼前 个所 体在 之位间置的的距食离物表浓示度为表示为
② 对于某些局部极值不严重的问题，往往可以忽略拥挤的因素，既 简化算法，又加快算法收敛速度，提高结果的精确程度。
6
总结
人工鱼群算法的特点
只需比较目标函数值，对目标函数的性质要求不高 对初值的要求不高，随机产生或设为固定值均可 对参数设定的要求不高，容许范围大 具备并行处理能力，寻优速度较快 具备全局寻优能力，能快速跳出局部极值点 具有较快的收敛速度，可以用于解决有实时性要求的问题 对于一些精度要求不高的场合，可以用它快速的得到一个可行解 不需要问题的严格机理模型，甚至不需要问题的精确描述，这使得它的应
其快速到达食物点。即追尾行为是一种向邻近的有最高适应度的人工鱼追逐的行为
，在寻优算法中可理解为向附近最优伙伴靠近的过程。
设人工鱼i的当前状态为Xi，探索当前邻域内所有伙伴中函数Yj的最优伙伴Xvbest
，若Yc / n f Y，i 表明最优伙伴中心不太拥挤，则朝伙伴的中心位置方向前进一步，
即
Xt1 i
2
鱼群模式概论
人工鱼算法的基本原理
在一片水域中，鱼存在的数目最多的地方就是 本水域中富含营养物质最多的地方，依据这一 特点来模仿鱼群的觅食，聚群，追尾等行为， 从而实现全局最优，这就是鱼群算法的基本思 想
人工鱼的结构模型
人工鱼就是一个封装了自身数据和一系列行为的实体，可通过感 官来接受环境的刺激信息，并通过控制尾鳍来做出相应的应激活 动。 人工鱼所在的环境主要是问题的解空间和其他人工鱼的状态 ，它在下一刻的行为取决于目前自身的状态和环境的状态，并且 他还通过自身的活动来影响环境，进而影响其他同伴的活动。
行为评价：
用来反映鱼自主行为的一种方式 。在解决优化问题时选用两种方 式评价，一种是选择最优行为执 行；另一种是选择较优方向。对 于解决极大值问题，可以使用试 探法，即模拟执行聚群、追尾等 行为，然后评价行动后的值选择 最优的来执行，缺省的行为方式 为觅食行为。
迭代终止条件：
① 连续多次所得值的均方误差 小于允许误差 ② 聚集于某个区域的人工鱼数 目达到某个比率；
觅食行为
聚群行为
追尾行为
随机行为
鱼群算法在对以上四种行为进行评价后,自动选择合适的行为,从而形成了一种高 效快速的寻优策略。
觅食行为
这是人工鱼的一种趋向食物活动。一般通过视觉或味觉来感知水中的食物量或浓度来
选择趋向。设人工鱼i的当前状态为Xi，在其感知范围内随机选择一个状态Xj，则
X j Xi Visual Rand
(1)觅食行为中重复次数较少时，为人工鱼提供 了随机移动的机会，从而可能跳出局部极值域 (2)随机步长使得人工鱼在前往局部极值的途中 ，有可能转向全局极值
(3)拥挤度因子限制了聚群的规模，使得人工鱼 能够更广泛的寻优
(4)聚群行为能够促使少数陷于局部极值的人工 鱼趋向全局极值的人工鱼方向聚集，从而逃出 局部极值
(5)追尾行为加快了人工鱼向更优状态游动。
公告牌 ：
记录最优人工鱼个体状态 。每条人工鱼在执行完一 次迭代后将自身当前状态 与公告板中记录的状态进 行比较，如果优于公告板 中的状态则用自身状态更 新公告牌中的状态，否则 公告牌的状态不变。当整 个算法的迭代结束后，输 出公告板的值，就是我们 所求的最优值。
5
算法的收敛性分析
人工鱼群算法的参数选取
视野（Visual ）：由于视野对算法中各行为都有较大的影响， 因此其变化对收敛性能的影响也是比较复杂的。当视野范围较小时 ，人工鱼群的觅食行为和随机游动比较突出；视野范围较大时人工 鱼的追尾行为和聚群行为将变得较突出。总体来看，视野越大，越 容易使人工鱼发现全局极值并收敛。因此对人工鱼的视野进行适当 的改进，是提高人工鱼群算法优化性能的一种方向。
重复次数Try-number。 ② 计算初始鱼群各个体适应值，取最优人工鱼状
态及其值赋予公告牌。 ③ 对每个个体进行评价，对其要执行的行为进行
选择，包括觅食、聚群、追尾和随机行为。 ④ 执行人工鱼的行为，更新自己，形成新鲜鱼。 ⑤ 评价所有个体，若谋个体优于公告牌，则将公
告牌更新为该个体。
⑥ 当公告牌最优解达到满意误差界内时，算法结束。 否则转步骤③。
Xti
Xvbest
X
t i
Xvbest Xti
Step Rand
否则，执行觅食行为。
随机行为
• 随机行为 鱼在水中自由游动，表面看是随机的，实际是在为更大范围觅食做准备，即在
视野内随机选择一个状态，然后向该方向移动。
3
鱼群算法的寻优原理
人工鱼群算法在寻优的过程中，可 能会集结在几个局部极值域的周围 ，使人工鱼逃出局部极值域，实现 全局寻优的因素主要有：
谢谢！
用范围得以延伸。
PPT模板下载：www.1ppt.com/moban/ 节日PPT模板：www.1ppt.com/jieri/ PPT背景图片：www.1ppt.com/beijing/ 优秀PPT下载：www.1ppt.com/xiazai/ Word教程： www.1ppt.com/word/ 资料下载：www.1ppt.com/ziliao/ 范文下载：www.1ppt.com/fanwen/ 教案下载：www.1ppt.com/jiaoan/
设人工鱼当前状态为Xi，探索当前邻域内的伙伴数目nf及中心位置Xc。
若 Yc / n f Y，i 表明伙伴中心有较多食物且不太拥挤，则朝伙伴的中心位置方向前进
一步，即
X t 1 i
Xti
Xc
X
t i
Xc Xti
Step Rand
否则，执行觅食行为。
ຫໍສະໝຸດ Baidu
追尾行为
• 追尾行为
鱼群在游动过程中，当其中一条鱼或几条鱼发现食物时，其邻近的伙伴会尾随
(1)适应性:动物通过感觉器官来感知外界环境，并应激性的产生各种反应，从而影响环境，表现出与环境交互 的能力。 (2)自治性:动物有其特有的某些行为，在不同的时候和不同的环境中能够自主的选取某种行为，而无需外界的 控制或指导。 (3)盲目性:不像传统的基于知识的智能系统，有着明确的目标;单个个体的行为是独立的，与总目标之间往往没 有直接的关系。 (4)突现性:总目标的完成是在个体行为的运动过程中突现出来的。 (5)并行性:各个体的行为是实时的、并行进行的。
(4)δ:拥挤度因子，人工鱼群的聚集规模； (5)Try-number:试探次数。人工鱼改变当前状态前的尝试
次数，满足试探次数后，如果不满足改变状态的条件， 则人工鱼需要根据规则选择下次行为继续寻优。
鱼群行为分析
这些行为在不同时刻会相互转换,而这种转换通常是鱼通过对环境的感知来自主实现的,这些 行为与鱼的觅食和生存都有着密切的关系,并且与我们优化问题的解决也有着密切的关系。
行业PPT模板：www.1ppt.com/hangye/ PPT素材下载：www.1ppt.com/sucai/ PPT图表下载：www.1ppt.com/tubiao/ PPT教程： www.1ppt.com/powerpoint/ Excel教程：www.1ppt.com/excel/ PPT课件下载：www.1ppt.com/kejian/ 试卷下载：www.1ppt.com/shiti/ PPT论坛：www.1ppt.cn
拥挤度因子（δ）：
拥挤度因子的引入是为了 避免过度拥挤而陷入局部 极值。
拥挤度因子的定义：
对于极大值问题： 1/ nmax， 0,1
对于极小值问题： nmax， 0,1
式中，、nmax 分别为极值接近水平和期望在该邻域内聚集的最大人工鱼数 目。
拥挤度因子对算法的影响（以极大值为例）：
① 拥挤度因子越大，表明允许拥挤的程度越小，摆脱局部极值的能 力越强，但收敛速度减缓。
步长（step）：随着步长的增加，收敛速度加快，但超过一定范 围后收敛速度减慢，甚至出现振荡。因此，采用随机步长可在一定 程度上防止振荡，可利用合适的固定步长和变步长来提高收敛速度 和精度。
人工鱼群算法的参数选取
人工鱼的数目（N）：
人工鱼数目越多，鱼群的 群体智能越突出，收敛速 度越快，精度越高，跳出 局部极值的能力也越强， 但迭代计算量增大。因此 ，实际应用中，在满足稳 定收敛的前提下，应尽量 减少人工鱼的数目。
若 Yj f X j Yi f Xi ，则
Xt1 i
Xti
X j Xit X j Xit
Step Rand
否则，重新随机选择Xj，判断是否满足前进条件，尝试Try-number次后，若还不满足 ，则随机前进一步
Xt 1 i
Xti
Visual
Rand
聚集行为
这是鱼群生存和躲避危害的一种生活习性。在鱼群算法中，一般规定两条，一是尽量 向邻近伙伴的中心移动，二是避免过分拥挤。
行为系统
感知系统
参数系统
人工鱼群算法就是根据鱼群的行为系统、感知系统、以及参数系统， 通过构造人工鱼来模仿鱼群的觅食、聚群及追尾行为，从而实现全局寻 优。
感知系统
人工鱼对外的感知是靠视觉来实现的，人工鱼的模型中应用如下方法实现
虚拟人工鱼的视觉。
XV X Visual Rand
Xnext X
Y=f(X)，其中Y 。
Xnext X
XV X XV X
Step Rand
定义相关参数: (1)N:人工鱼群的规模，作为一种多智能体算法，群体的 概念是最基本的特性；
(2)visual:人工鱼的感知距离，也就是在寻优过程中，人工 鱼的视野范围；
(3)Step:人工鱼的移动步长，人工鱼在移动过程中，向下 一个状态前进的步长的最大值；
人工鱼群算法基本原理讲解
XX大学
汇报人：XX
目录
Here is your Content
>
1 引言
2 鱼群模式概论
3 鱼群算法的寻优原理
4 鱼群算法的实现
5 算法的收敛性分析
6 总结
>
LOGO
1
引言
在自然界中，多样的物种共同生活在一起，通过漫长的自然界的优胜劣汰，形成 了各自的觅食和生存方式。但是动物一般不具有人类复杂的逻辑思维和判断能力 的高级智能，它们只具有简单的行为能力，这些为人类解决问题的思路带来了不 少启发和鼓舞。动物行为具有以下的特点:
尝试次数（Try-number）：
尝试次数越多，人工鱼执行觅食行 为的能力越强，收敛效率越高，但 在局部极值突出的情况下，易错过 全局极值点，即人工鱼摆脱局部极 值的能力越弱。因此，在一般优化 中，可适当增加尝试次数，以加快 收敛速度；在局部极值突出的情况 下，应减少尝试次数，增加人工鱼 随机游动的概率。
④ 达到规定的最大迭代次数。
4
鱼群算法实现
7.2 鱼群算法的基本原理
① 初始化设置：包括种群规模N，每条人工鱼的初始位置，人工鱼的可视域
Visual，步长step，拥挤度因子δ，重复次数Try-number。 ② 计算初始鱼群各个体适应值，取最优人工鱼状态及其值赋予公告
牌。 ③ 对每个个体进行评价，对其要执行的行为进行选择，包括觅食、
聚群、追尾和随机行为。 ④ 执行人工鱼的行为，更新自己，形成新鲜鱼。 ⑤ 评价所有个体，若谋个体优于公告牌，则将公告牌更新为该个体
。
⑥ 当公告牌最优解达到满意误差界内时，算法结束。否则转步骤③。
鱼群算法的步骤
① 初始化设置：包括种群规模N，每条人工鱼的初始 位置，人工鱼的可视域Visual，步长step，拥挤度因子δ，
XV X XV X
Step Rand
其中Rand()函数为产生0到1之间的随机数；Step为步长
参数系统
人工鱼个体的状态可表示为向量
，其中
为欲
X寻 为V 优 目 X的 标变 函Vis量 数ua； 值l 人 ；Ra工 人nd鱼 工 当 鱼前 个所 体在 之位间置的的距食离物表浓示度为表示为
② 对于某些局部极值不严重的问题，往往可以忽略拥挤的因素，既 简化算法，又加快算法收敛速度，提高结果的精确程度。
6
总结
人工鱼群算法的特点
只需比较目标函数值，对目标函数的性质要求不高 对初值的要求不高，随机产生或设为固定值均可 对参数设定的要求不高，容许范围大 具备并行处理能力，寻优速度较快 具备全局寻优能力，能快速跳出局部极值点 具有较快的收敛速度，可以用于解决有实时性要求的问题 对于一些精度要求不高的场合，可以用它快速的得到一个可行解 不需要问题的严格机理模型，甚至不需要问题的精确描述，这使得它的应
其快速到达食物点。即追尾行为是一种向邻近的有最高适应度的人工鱼追逐的行为
，在寻优算法中可理解为向附近最优伙伴靠近的过程。
设人工鱼i的当前状态为Xi，探索当前邻域内所有伙伴中函数Yj的最优伙伴Xvbest
，若Yc / n f Y，i 表明最优伙伴中心不太拥挤，则朝伙伴的中心位置方向前进一步，
即
Xt1 i
2
鱼群模式概论
人工鱼算法的基本原理
在一片水域中，鱼存在的数目最多的地方就是 本水域中富含营养物质最多的地方，依据这一 特点来模仿鱼群的觅食，聚群，追尾等行为， 从而实现全局最优，这就是鱼群算法的基本思 想
人工鱼的结构模型
人工鱼就是一个封装了自身数据和一系列行为的实体，可通过感 官来接受环境的刺激信息，并通过控制尾鳍来做出相应的应激活 动。 人工鱼所在的环境主要是问题的解空间和其他人工鱼的状态 ，它在下一刻的行为取决于目前自身的状态和环境的状态，并且 他还通过自身的活动来影响环境，进而影响其他同伴的活动。
行为评价：
用来反映鱼自主行为的一种方式 。在解决优化问题时选用两种方 式评价，一种是选择最优行为执 行；另一种是选择较优方向。对 于解决极大值问题，可以使用试 探法，即模拟执行聚群、追尾等 行为，然后评价行动后的值选择 最优的来执行，缺省的行为方式 为觅食行为。
迭代终止条件：
① 连续多次所得值的均方误差 小于允许误差 ② 聚集于某个区域的人工鱼数 目达到某个比率；
觅食行为
聚群行为
追尾行为
随机行为
鱼群算法在对以上四种行为进行评价后,自动选择合适的行为,从而形成了一种高 效快速的寻优策略。
觅食行为
这是人工鱼的一种趋向食物活动。一般通过视觉或味觉来感知水中的食物量或浓度来
选择趋向。设人工鱼i的当前状态为Xi，在其感知范围内随机选择一个状态Xj，则
X j Xi Visual Rand
(1)觅食行为中重复次数较少时，为人工鱼提供 了随机移动的机会，从而可能跳出局部极值域 (2)随机步长使得人工鱼在前往局部极值的途中 ，有可能转向全局极值
(3)拥挤度因子限制了聚群的规模，使得人工鱼 能够更广泛的寻优
(4)聚群行为能够促使少数陷于局部极值的人工 鱼趋向全局极值的人工鱼方向聚集，从而逃出 局部极值
(5)追尾行为加快了人工鱼向更优状态游动。
公告牌 ：
记录最优人工鱼个体状态 。每条人工鱼在执行完一 次迭代后将自身当前状态 与公告板中记录的状态进 行比较，如果优于公告板 中的状态则用自身状态更 新公告牌中的状态，否则 公告牌的状态不变。当整 个算法的迭代结束后，输 出公告板的值，就是我们 所求的最优值。
5
算法的收敛性分析
人工鱼群算法的参数选取
视野（Visual ）：由于视野对算法中各行为都有较大的影响， 因此其变化对收敛性能的影响也是比较复杂的。当视野范围较小时 ，人工鱼群的觅食行为和随机游动比较突出；视野范围较大时人工 鱼的追尾行为和聚群行为将变得较突出。总体来看，视野越大，越 容易使人工鱼发现全局极值并收敛。因此对人工鱼的视野进行适当 的改进，是提高人工鱼群算法优化性能的一种方向。
重复次数Try-number。 ② 计算初始鱼群各个体适应值，取最优人工鱼状
态及其值赋予公告牌。 ③ 对每个个体进行评价，对其要执行的行为进行
选择，包括觅食、聚群、追尾和随机行为。 ④ 执行人工鱼的行为，更新自己，形成新鲜鱼。 ⑤ 评价所有个体，若谋个体优于公告牌，则将公
告牌更新为该个体。
⑥ 当公告牌最优解达到满意误差界内时，算法结束。 否则转步骤③。
Xti
Xvbest
X
t i
Xvbest Xti
Step Rand
否则，执行觅食行为。
随机行为
• 随机行为 鱼在水中自由游动，表面看是随机的，实际是在为更大范围觅食做准备，即在
视野内随机选择一个状态，然后向该方向移动。
3
鱼群算法的寻优原理
人工鱼群算法在寻优的过程中，可 能会集结在几个局部极值域的周围 ，使人工鱼逃出局部极值域，实现 全局寻优的因素主要有：
谢谢！
用范围得以延伸。
PPT模板下载：www.1ppt.com/moban/ 节日PPT模板：www.1ppt.com/jieri/ PPT背景图片：www.1ppt.com/beijing/ 优秀PPT下载：www.1ppt.com/xiazai/ Word教程： www.1ppt.com/word/ 资料下载：www.1ppt.com/ziliao/ 范文下载：www.1ppt.com/fanwen/ 教案下载：www.1ppt.com/jiaoan/
设人工鱼当前状态为Xi，探索当前邻域内的伙伴数目nf及中心位置Xc。
若 Yc / n f Y，i 表明伙伴中心有较多食物且不太拥挤，则朝伙伴的中心位置方向前进
一步，即
X t 1 i
Xti
Xc
X
t i
Xc Xti
Step Rand
否则，执行觅食行为。
ຫໍສະໝຸດ Baidu
追尾行为
• 追尾行为
鱼群在游动过程中，当其中一条鱼或几条鱼发现食物时，其邻近的伙伴会尾随
(1)适应性:动物通过感觉器官来感知外界环境，并应激性的产生各种反应，从而影响环境，表现出与环境交互 的能力。 (2)自治性:动物有其特有的某些行为，在不同的时候和不同的环境中能够自主的选取某种行为，而无需外界的 控制或指导。 (3)盲目性:不像传统的基于知识的智能系统，有着明确的目标;单个个体的行为是独立的，与总目标之间往往没 有直接的关系。 (4)突现性:总目标的完成是在个体行为的运动过程中突现出来的。 (5)并行性:各个体的行为是实时的、并行进行的。
(4)δ:拥挤度因子，人工鱼群的聚集规模； (5)Try-number:试探次数。人工鱼改变当前状态前的尝试
次数，满足试探次数后，如果不满足改变状态的条件， 则人工鱼需要根据规则选择下次行为继续寻优。
鱼群行为分析
这些行为在不同时刻会相互转换,而这种转换通常是鱼通过对环境的感知来自主实现的,这些 行为与鱼的觅食和生存都有着密切的关系,并且与我们优化问题的解决也有着密切的关系。
行业PPT模板：www.1ppt.com/hangye/ PPT素材下载：www.1ppt.com/sucai/ PPT图表下载：www.1ppt.com/tubiao/ PPT教程： www.1ppt.com/powerpoint/ Excel教程：www.1ppt.com/excel/ PPT课件下载：www.1ppt.com/kejian/ 试卷下载：www.1ppt.com/shiti/ PPT论坛：www.1ppt.cn
拥挤度因子（δ）：
拥挤度因子的引入是为了 避免过度拥挤而陷入局部 极值。
拥挤度因子的定义：
对于极大值问题： 1/ nmax， 0,1
对于极小值问题： nmax， 0,1
式中，、nmax 分别为极值接近水平和期望在该邻域内聚集的最大人工鱼数 目。
拥挤度因子对算法的影响（以极大值为例）：
① 拥挤度因子越大，表明允许拥挤的程度越小，摆脱局部极值的能 力越强，但收敛速度减缓。
步长（step）：随着步长的增加，收敛速度加快，但超过一定范 围后收敛速度减慢，甚至出现振荡。因此，采用随机步长可在一定 程度上防止振荡，可利用合适的固定步长和变步长来提高收敛速度 和精度。
人工鱼群算法的参数选取
人工鱼的数目（N）：
人工鱼数目越多，鱼群的 群体智能越突出，收敛速 度越快，精度越高，跳出 局部极值的能力也越强， 但迭代计算量增大。因此 ，实际应用中，在满足稳 定收敛的前提下，应尽量 减少人工鱼的数目。
若 Yj f X j Yi f Xi ，则
Xt1 i
Xti
X j Xit X j Xit
Step Rand
否则，重新随机选择Xj，判断是否满足前进条件，尝试Try-number次后，若还不满足 ，则随机前进一步
Xt 1 i
Xti
Visual
Rand
聚集行为
这是鱼群生存和躲避危害的一种生活习性。在鱼群算法中，一般规定两条，一是尽量 向邻近伙伴的中心移动，二是避免过分拥挤。
行为系统
感知系统
参数系统
人工鱼群算法就是根据鱼群的行为系统、感知系统、以及参数系统， 通过构造人工鱼来模仿鱼群的觅食、聚群及追尾行为，从而实现全局寻 优。
感知系统
人工鱼对外的感知是靠视觉来实现的，人工鱼的模型中应用如下方法实现
虚拟人工鱼的视觉。
XV X Visual Rand
Xnext X
Y=f(X)，其中Y 。
Xnext X
XV X XV X
Step Rand
定义相关参数: (1)N:人工鱼群的规模，作为一种多智能体算法，群体的 概念是最基本的特性；
(2)visual:人工鱼的感知距离，也就是在寻优过程中，人工 鱼的视野范围；
(3)Step:人工鱼的移动步长，人工鱼在移动过程中，向下 一个状态前进的步长的最大值；
人工鱼群算法基本原理讲解
XX大学
汇报人：XX
目录
Here is your Content
>
1 引言
2 鱼群模式概论
3 鱼群算法的寻优原理
4 鱼群算法的实现
5 算法的收敛性分析
6 总结
>
LOGO
1
引言
在自然界中，多样的物种共同生活在一起，通过漫长的自然界的优胜劣汰，形成 了各自的觅食和生存方式。但是动物一般不具有人类复杂的逻辑思维和判断能力 的高级智能，它们只具有简单的行为能力，这些为人类解决问题的思路带来了不 少启发和鼓舞。动物行为具有以下的特点:
尝试次数（Try-number）：
尝试次数越多，人工鱼执行觅食行 为的能力越强，收敛效率越高，但 在局部极值突出的情况下，易错过 全局极值点，即人工鱼摆脱局部极 值的能力越弱。因此，在一般优化 中，可适当增加尝试次数，以加快 收敛速度；在局部极值突出的情况 下，应减少尝试次数，增加人工鱼 随机游动的概率。