人工鱼群算法1

算法介绍 伪代码 float Artificial_ fish：：AF_ swarm() {nf=|N(Xi,Visual)|;//Xi为中心，visual距离领域内的伙伴总数 Xc=Center(N(Xi,Visul));//Xi附近所有nf个伙伴的中心位置 if(Yc/ nf > δYi && Yi<Yc) Xc - X i ; inext = Xi + Random ( step ) X Xc - X i else AF_prey(); retum AF_foodeonsistenee(Xinext )； }
float Artificial_ fish：：AF_ follow() {Ymax=MAX(f(Xmax)),Xmax∈N(Xi,Visual); nf=|N(Xmax,Visual)|; if(Ymax/ nf > δYi&& Yi<Ymax) Xma Xi Xinext = Xi + Random ( step ) x ; - Xi Xma x else AF_prey(); retum AF_foodeonsistenee(Xinext )； }
算法介绍
• （5）公告板：是记录最优人工鱼个体状态 的地方。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 更新公告板中的状态，否则公告板的状态不 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。
算法介绍
• 2.4 算法描述 鉴于以上描述的人工鱼群行为，每条人工鱼探索它 当前所处的环境状况和伙伴的状况，从而选择一种 行为来实际执行，最终人工鱼集结在几个局部极值 周围。一般情况下，在讨论求极大问题时，拥有较 大的适应值的人工鱼一般处于值较大的极值域周围， 这有助于获取全局极值域，而值较大的极值区域周 围一般能集结较多的人工鱼，这有助于判断并获取 全局极值。具体的人工鱼群算法步骤如下：
算法介绍
算法的优点 1）只需比较目标函数值，对目标函数的性 质要求不高。 2）对初值的要求不高，随机产生或设为固 定值均可。 3）对参数设定的要求不高，容许范围大。 4）具备并行处理能力，寻优速度较快。 5）具备全局寻优能力，能快速跳出局部极 值点。
算法介绍
基本概念 假设在一个n维的目标搜索空间中，有N条 组成一个群体的人工鱼，每天人工鱼个体的 状态可表示为向量X=（x1,x2,……xn）,其中xi （i=1,……n）为欲寻优的变量：人工鱼当前 所在位置的食物浓度表示为Y=f(X),其中Y为 目标函数；人工鱼个体间距离表示为 d=||Xi-Xj ||; visual表示人工鱼的感知范围， step为人工鱼移动步长，δ为拥挤度因子； trynumber表示人工鱼每次觅食最大试探次 数。
算法介绍
• 人工鱼群算法描述 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。鱼类的活动中，觅食行为，聚 群行为，追尾行为和随机行为与寻优命题的 解决有较密切的关系，如何利用简单有效的 方式来构造实现这些行为将是算法实现的主 要问题。
人工鱼群算法实例
பைடு நூலகம்
• 如果聚群失败就进行觅食活动，“鱼”随机从自身 取出visual个位（visual为可视域），对其进行随机 变换产生一个新状态，若新状态优于原状态则向新 状态移动，否则再次进行觅食活动，重复m次后如 果还是没有找到更优的状态则进行随机移动（m视 搜索空间大小而定）。算法中设有公告板，每次搜 索完成后用公告板同鱼群中最优的个体进行比较， 若此个体优于公告板则更新公告板。算法在以下三 种情况下结束，1 公告板达到教师的要求；2 搜索 次数达到规定的最大搜索次数；3 搜索时间达到规 定的最大搜索时间。
• 人工鱼群算法能够较好地解决此类问题．它 具有如下特点：1)具有较快的收敛速度，可 以用于解决有实时性要求的问题； • 2)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； • 3)不需要问题的严格机理模型，甚至不需要 问题的精确描述，这使得它的应用范围得以 延伸． • 综上所述，该算法是一种基于集群智能的新 型的高效寻优方法．
算法介绍
• （3）聚群行为（AF-swarm）：鱼在游动过 程中为了保证自身的生存和躲避危害会自然 地聚集成群 。鱼聚群时所遵守的规则有三条: 分隔规则:尽量避免与临近伙伴过于拥挤;对 准规则:尽量与临近伙伴的平均方向一致;内 聚规则:尽量朝临近伙伴的中心移动。 人工 鱼Xi搜索其视野内的伙伴数目nf及中心位置 Xc，若 Yc/ nf > δYi，表明伙伴中心位置 状态较优且不太拥挤，则Xi朝伙伴的中心位 置移动一步，否则执行觅食行为：
人工鱼群算法实例
• 然后先进行追尾活动，每条鱼Xi都查看在自己可视域范围内 （即距离小于visual，visual根据搜索空间的大小而定）的 其它鱼，从中找到适应函数值最小的一个Xj ，其适应度函 数值记为Yj，Xj周围可视域内的其它个体数量记为nf，若 Yj*nf<δ*Yi （δ为拥挤度因子，此处取1），则表明Xj周围 “食物”较多且不太拥挤，这时Xi对每一个自己和Xj的不同 的位重新随机取值（例如Xi为1001，而Xj为1100，那么就 对Xi的第2，4位重新随机取值），从而向Xj靠近。追尾活动 若不成功，则进行聚群行为，每条鱼都先找出自己周围可 视域内的其它鱼，形成一个小鱼群，然后找出这群鱼的中 心点，这里中心点的确定方法是，若鱼群中半数以上的鱼 在第ｉ位上取１，则中心点的第ｉ位也为1，否则为0，接 着采用和前面相同方法查看中心点的“食物”是否较多， 是否拥挤，据此决定是否向中心点靠近。
算法介绍
• Step1:确定种群规模N，在变量可行域内随机生成 N个个体，设定人工鱼的可视域Visual，步长step, 拥挤度因子δ，尝试次数trynumber Step2:计算初始鱼群各个体适应值，取最优人工鱼 状态及其值赋给公告板 Step3:个体通过觅食，聚群，追尾行为更新自己， 生成新鱼群。 Step4:评价所有个体。若某个体优于公告板，则将 公告板更新为该个体。 Step5:当公告板上最优解达到满意误差界内，算法 结束，否则转step3。
算法介绍
• (4)追尾行为（AF-follow）指鱼向其可视区域 内的最优方向移动的一种行为。人工鱼Xi搜 索其视野内所有伙伴中的函数最优伙伴Xj， 如果 Yj/ nf > δYi,表明最优伙伴的周围不太 拥挤，则Xi朝此伙伴移动一步，否则执行觅 食行为。
算法介绍 伪代码
• • • • • • • • •
算法介绍 代码
function [XXnext] = gmjprey(XX,Try_number,Visual,Step) pp=0; for j=1:Try_number XXj=XX+rand*Step*Visual; if(maxf(XX)<maxf(XXj)) XXnext=XX+rand*Step*(XXj-XX)/norm(XXj-XX); pp=1; break end end if(~pp) XXnext=XX+rand*Step; end
源代码中的赋值
• • • • •
format long Visual=2.5; Step=0.3; N=50; Try_number=50;
算法介绍
行为描述 （1）随机行为(AF-Random)：指人工鱼在视野内 随机移动，当发现食物时，会向食物逐渐增多的方 向快速的移动。 （2）觅食行为(AF-prey)：指鱼循着食物多的方向 游动的一种行为，人工鱼Xi在其视野内随机选择一 个状态Xj，分别计算它们的目标函数值进行比较， 如果发现Yj比Yi优，则Xi向Xj的方向移动一步；否 则，Xi继续在其视野内选择状态Xj，判断是否满足 前进条件，反复尝试trynumber次后，仍没有满足 前进条件，则随机移动一步使Xi到达一个新的状态。 表达式如下：