基于全局最优的快速人工鱼群算法及其应用研究

基于全局最优的快速人工鱼群算法及其应用研究
人工鱼群算法是一种有关动物行为的算法，这种算法
具有一定的智能性，是最近几年国内学者提出来的。

这种人工鱼群算法是从行为方面进行的主要研究，并对原来存在的问题进行解决。

关键词】人工鱼群算法优化方法群体智能
众多实验能够证明，群体智能优化的相关算法在很多问
题的解决上都发挥了至关重要的作用，也得到了十分广泛的应用。

1人工鱼群算法
1.1鱼群及其算法的基本思想人工鱼群算法主要依据的是鱼群的行为启
发，在2002
年被提出的一种有关动物行为的比较优化的算法。

一般情况
个范围之内，鱼群中的鱼会跟随群体中的其它成员
起找到食物比较多的地方。

而通常情况下，一片水域范围内食物最多的地方往往会有最多的鱼群数目。

根据这个特点，使用人工制作的鱼对鱼群的各种行为进行模拟，进而完成直线寻优的目的。

1.2人工鱼模型有关人工鱼模型的算法使用的是基于animats 的模
式，
设计采用的顺序是从上到下的，因此先进行的步骤就是人工 鱼模型的建造。

通常情况下使用的是面向对象的技术方式， 并用会用C++语言的伪代码形式来加以说明。

人工鱼一般的 模型描述方式如下：
Various ： float AF_swarm （）； //the behavior of swarm float AF_evaluate （）； //evaluate and select the behavior float AF_init （）； //to initialize the AF
Aritificial_fish （）； float AF_X[n] ；
//AF 's position step
float AF_step ；
//the distance that AF can moue for each float AF_visual ；
//the visual diatance of AF float try_number ； //attempt time in the behavior of prey float AF_delta ；
//the condition of jamming Functions ：
float AF_foodconsistence （）； //the food consistence of AF ' s current position
float AF_move （）； //AF move to the next position
float AF_follow （）；
//the behavior of follow float AF_prey （）；
//the behavior of prey
Virtual 〜Aritificial_fish ()；
｝；
通过上述模型的设置，会让人工鱼相关信息能被同伴收
到，并能将人工鱼的一些行为规划到种群类型之中，会在鱼中间有所感知。

对人工鱼个体的状态表示通常表示为向量X=(x1，x2，
x3 .. xn),其中xi (i=1,……,n )表示要寻优的变量;
然后将人工鱼处在环境的食物多少表示为丫 = f ( X)，丫代
表目标函数值；人工鱼个体之间的距离表示为dij= |Xi-Xj| ；挤情
况。

Step 表示人工鱼移动的最长/距离；S表示和其他鱼之家的拥
1.2.1 聚群行为有关人工鱼的聚群行为可以用伪代码形式加以说
明，可
以设人工鱼当前状态是Xi,要完成的任务是对周围一定范围
内有伙伴的数目fn及中心位置Xc进行测量，要是得到的两个数相比的比值小于S 丫,则表示人工鱼中心位置食物比较
充足，也没有很多同伴在周围，然后可以向食物方向游动次；如果情况相反那么就不执行觅食行为。

伪代码描述如下：
float Artificial_fish ：：AF_swarm()
f n=0；Xc =0；for( j=0；j<friend_number ；j++)
if（i ，dj< Visual）{nf ++；Xc +=Xj；} else
AF_prey（）；
Return AF_foodconsistence （
i |next
X ）；
1.2.2追尾行为有关追尾行为同样可以使用伪代码方式进行表示，首
先
设人工鱼当前状态设置为Xi ，要完成的任务书要对一定范
围内的的伙伴数量Yj进行探索，其中最大的伙伴Xj的数量
如果比拥挤度S大，表明伙伴Xj周围具食物比较充分，并且其周围环境没有很多同伴，于是应该执行朝伙伴Xj 的方向前进一步命令；如果得到的结果相反，就不执行觅食行为。

伪代码描述如下：
float Artificial_fish ：：AF_follow （）
丫max= 8 for （j=0；j<friend_number ；j++）
if（i ，jd Y）{ jmaxY = Y；jmaxX = X；} fn =0；
for （ j=0； j<friend_number ；j++）
if （ max ， jd< Visual ） {fn ++； }
Else
returnAF_foodconsistence （
i |nextX ）；
2 人工鱼群算法在各领域的应用
2.1 电力系统规划中的应用 在电力系统中人工鱼群算法是通过禁忌搜索方式的使
用，并对人工鱼的一些行为加以改进，让人工鱼在游动完成
各种位置的探索的时候具备一定的记忆能力。

然后会将探索
过的地方设置为记忆禁区，这样能提高工作效率，最大程度 状态加以标记，这样能更好的确保搜索有更高的效率和更好 的质量。

2.2 在多级梯阶物流中转的运输系统中起优化作用 在这个领域内应用人工鱼群算法，要对变量的约束条件
以及求解的精确程度进行重点考虑，要使需要求解的空间有 离散化特性，使一个比较大的变量空间变成大小适中的网格， 用人工鱼群的相关计算形式能使各级的中转站和网路点之 间的关系更加明确，并能在一定程度上消除相邻的两级中转 站之间的约束条件，并利用对算法的改良使问题的优化方式AF_prey （）； 避免出现重复的搜索情况。

并对搜索记忆中
些比较好的
更容易使用。

实践中能够看出，这种算法在多级梯阶的运输系统的问题处理上会得到很好的应用。

3结束语人工鱼群算法根据自然界鱼群的行为作为使用原理，通
过不断更新和升级会应用在更多领域中。

总而言之，基于全算方式在各个领域中也能加以运用。

局最优的快速人工鱼群相关算法在实际应用中分实用，计参考文献
[1]潘海珠，杜晓昕，王波.基于人工鱼群的交通诱导系统
最优查询研究[J].齐齐哈尔大学学报(自然科学版)，2012
05).
[2]胡青，孙才新，杜林，李剑.核主成分分析与随机森林
相结合的变压器故障诊断方法[J].高电压技术，2010 ( 07).
[3]符杨，田振宁，江玉蓉，曹家麟.加权模糊核聚类法在
电力变压器故障诊断中的应用[J].高电压技术，2010 ( 02).
[4]王联国，洪毅，赵付青，余冬梅.一种简化的人工鱼群
算法[J].小型微型计算机系统，2009( 08).
作者简介郭荣艳( 1 97 7- ) ，女，河南省周口市人。

硕士学位。

现
为周口师范学院副教授。

主要研究方向为信号与信息处理。

史水娥，现供职于河南师范大学。

作者单位
1.周口师范学院河南省周口市466001
2.河南师范大学河南省新
乡市453007。