什么是鱼群算法

人工鱼群算法是一种基于动物行磨罩为的群体智能优化算法。该文提出一种改瞎激闹进的人工鱼群算法，在觅食行为中让人工鱼直接移动到较优位置，以加快算法的搜索速度，动态调整人工鱼的视野和步长，使其在算法运行初期保持最大值，并逐渐由大变小。该算法较好铅档地平衡了全局搜索能力和局部搜索能力，提高了算法运行效率和精度。仿真结果表明，改进的人工鱼群算法收敛性能比原有算法提高了1倍以上。

关键词：人工鱼群算法；群体智能；优化

clc

clear all

close all

tic

figure(1)hold on

ezplot('x*sin(10*pi*x)+2',[-1,2])

%% 参数设置

fishnum=50%生成50只人工鱼

MAXGEN=50%最多迭代次数

try_number=100%最多试探次数

visual=1%感知距哗首离

delta=0.618%拥挤度因子

step=0.1%步长

%% 初始化鱼群

lb_ub=[-1,2,1]

X=AF_init(fishnum,lb_ub)

LBUB=[]

for i=1:size(lb_ub,1)

LBUB=[LBUBrepmat(lb_ub(i,1:2),lb_ub(i,3),1)]

end

gen=1

BestY=-1*ones(1,MAXGEN)%每步中最优的函数值

BestX=-1*ones(1,MAXGEN)%每步中最优的自变量

besty=-100%最亩芦正优函数值

Y=AF_foodconsistence(X)

while gen<=MAXGEN

fprintf(1,'%d\n',gen)

for i=1:fishnum

%% 聚群行为

[Xi1,Yi1]=AF_swarm(X,i,visual,step,delta,try_number,LBUB,Y)

%% 追尾行为

[Xi2,Yi2]=AF_follow(X,i,visual,step,delta,try_number,LBUB,Y)

if Yi1>Yi2

X(:,i)=Xi1

Y(1,i)=Yi1

else

X(:,i)=Xi2

Y(1,i)=Yi2

end

end

[Ymax,index]=max(Y)

figure(1)

plot(X(1,index),Ymax,'.','color',[gen/MAXGEN,0,0])

if Ymax>besty

besty=Ymax

bestx=X(:,index)

BestY(gen)=Ymax

[BestX(:,gen)]=X(:,index)

else

BestY(gen)=BestY(gen-1)

[BestX(:,gen)]=BestX(:,gen-1)

end

gen=gen+1

end

plot(bestx(1),besty,'ro','MarkerSize',100)

xlabel('x')

ylabel('y')

title('鱼群算法迭代过程中最优坐标移动')

%% 优化过程图

figure

plot(1:MAXGEN,BestY)

xlabel('迭代次数')

ylabel('优化值迅悔')

title('鱼群算法迭代过程')

disp(['最优解X：',num2str(bestx,'%1.5f')])

disp(['最优解Y：',num2str(besty,'%1.5f')])

toc

人工鱼群算法：

在一梁镇片水域中，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，以下是鱼的几种典型行为:

(1)觅食行为：一般情况下鱼在水中随机地自由游动橡纤粗,当发现食物时,则会向食物逐渐增多的方向快速游去。

(2)聚群行为: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。

(3)追尾行为：当鱼群中的一条或几条鱼发现食物时,其临近的伙伴会尾随其快速到达食物点。

（4）随机行为：单独的鱼在水中通常都是随机游动的，这是为了更大范围地寻找食物点或身边的竖春伙伴。

---