人工鱼群法在组合优化问题的研究毕业论文

学 生 毕 业 设 计（论 文）

课题名称 人工鱼群法在组合优化问题的研究

姓 名

何少武 学 号 0909401-17 院 系

数学与计算科学学院 专 业

数学与应用数学 指导教师

林仁 讲师

2013年4月23 日

※

※※※※※※※※ ※

※ ※

※ ※

※ ※※※※※※※※※ 2013届学生 毕业设计(论文)材料 （四）

湖南城市学院本科毕业设计（论文）诚信声明

本人郑重声明：所呈交的本科毕业设计（论文），是本人在指导老师的指导下，独立进行研究工作所取得的成果，成果不存在知识产权争议，除文中已经注明引用的内容外，本设计（论文）不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。

本科毕业设计（论文）作者签名：

二○年月日

目录

摘要... .. (1)

关键词... (1)

Abstract... .................................................. .1 Keywords... ............................................... . (1)

1绪论.... (2)

1.1课题背景及意义 (2)

1.2课题的研究现状 (2)

2解决组合优化问题的几种智能算法.......... ........ .... .. (3)

2.1遗传算法...... . (3)

2.2蚁群算法......... .. (4)

2.3粒子群算法........................................... ..... ..5 2.4几种智能算法特点........................................... ..6 2.5小结...... ......................................... ...... ..7 3基本人工鱼群算法.................................... .. . (7)

3.1人工鱼群算法模型............................................ .7 3.2算法描述.................................................... .8 3.3算法全局收敛性.. (11)

3.4各参数对收敛性能的影响分析.，................................ .12 3.5应用........................................................ .12 3.6小结 (12)

4总结和展望................................................... .. .14 参考文献......................................... ...... ...... ..14 致谢....................................................... .. (15)

人工鱼群算法在组合优化问题的研究

何少武

摘要：组合优化问题在现实生活中有着很广泛的应用，并且有很强的工程代表性，但最优化解很困难，目前对组合优化问题的求解主要以启发式算法为主。人工鱼群算法是一种新的群智能优化算法，其原理简单，收敛速度快，求解精度高。近年来得到广泛关注和应用。

人工鱼群算法的觅食行为是算法全局收敛的基础，聚群行为和追尾行为更加增强了算法的全局收敛性。蚁群算法决旅行商问题存在收敛速度慢，而且参数的设定对算法的性能影响很大，而人工鱼群算经过实例证明具有优于蚁群算法的收敛速度。

关键字:人工鱼群算法;组合优化问题;群聚行为；蚁群算法

Artificial fish algorithm in combinatorial optimization

problem

He shao wu

Abstract：Combinatorial optimization problem has a very wide range of applications in real life, and has a strong engineering representative, but best to resolve the very difficult, solving combinatorial optimization problems mainly heuristic algorithm. Artificial fish swarm algorithm is a new swarm intelligence optimization algorithm, the principle is simple, fast convergence and high accuracy. In recent years has been widespread concern and applications.

The feeding line of the artificial fish swarm algorithm is a global convergence on the basis of the behavior of clusters and rear-end behavior and more to enhance the global convergence of the algorithm. Ant colony algorithm decision traveling salesman problems of slow convergence and parameter settings affect the performance of the algorithm, artificial fish school operator through examples prove better than the ant colony algorithm convergence rate.

Keywords: artificial fish swarm algorithm; combinatorial optimization problems; flocking behavior;genetic algorithms