引入变异算子的改进人工鱼群算法

人工鱼群算法(AFSA)是模仿鱼类行为提出的一种基于动物自治体的优化方法，是群体智能思想的一个具体应用，它解决问题时不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各智能人工鱼个体的局部寻优行为，最终使全局最优值突现(涌现)出来。

基本AFSA有一个比较严重的缺陷是后期收敛速度比较慢，解的精度不高，因此提出了引入变异算子的改进人工鱼群算法。
阅读全文 >

动态调整视野和步长的改进人工鱼群算法

人工鱼群算法一种模拟动物行为的群体智能优化算法，目前在许多方面的的优化问题中有较好的表现，但存在后期搜索精度较低的缺陷，针对这一问题，不少学者进行了相关研究，研究结果表明，视野对人工鱼群算法中各种行为和收敛性能有较大影响。若视野Visual范围较大，则人工鱼的全局搜索能力强并能快速收敛；若视野范围较小，则人工鱼的局部搜索能力强。步长Step越大，收敛速度越快，但有时会出现振荡现象；步长越小，收敛速度越慢，但求解精度越高。
阅读全文 >

粒子群和人工鱼群协同进化的混合优化算法

协同进化思想

协同进化的原理可以解释为，算法采用多个种群，或将一个种群分为多个子群，各种群(或子群)在各自独立进化的同时相互间共享和交互信息，各种群不仅利用从外界获得的信息指导自身的搜索，同时还把探索得到的经验与其他种群分享，从而使得整个系统协同进化，直至获得最优解。
阅读全文 >

人工鱼群算法

在一片水域中，鱼往往能自行或尾随其他鱼找到营养物质多的地方，因而鱼生存数目最多的地方一般就是本水域中营养物质最多的地方，人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)就是根据这一特点，通过构造人工鱼来模仿鱼群的觅食、聚群及追尾行为，从而实现寻优，以下是人工鱼的几种典型行为：
阅读全文 >