人工魚(yú)群算法的改進(jìn)ppt課件

1、人工魚(yú)群算法組員： 主講人：AFSA的特點(diǎn) 只需求比較目的函數(shù)值，對(duì)目的函數(shù)的性質(zhì)要求不高； 對(duì)初值的要求不高，初值隨機(jī)產(chǎn)生或設(shè)定為固定值均可以； 對(duì)參數(shù)設(shè)定的要求不高，有較大的允許范圍； 具備并行處置的才干，尋優(yōu)速度較快； 具備全局尋優(yōu)的才干，可以快速跳出部分極值點(diǎn)。AFSA的缺乏之處 容易收斂于部分最優(yōu) 解精度不夠高 堅(jiān)持探求與開(kāi)發(fā)平衡的才干較差 算法運(yùn)轉(zhuǎn)后期搜索的盲目性較大 算法后期收斂速度慢，易墮入部分最優(yōu)改良思緒一、基于算法參數(shù)的改良二、基于魚(yú)群行為的改良三、高階行為方式四、混合優(yōu)化算法一、基于算法參數(shù)的改良算法參數(shù)：1.視野visual2.步長(zhǎng)step3.人工魚(yú)總數(shù)N4.嘗試次數(shù)t

2、ry number5.擁堵度因子1、基于視野的改良:kkVisualVisual1 在人工魚(yú)群算法的初始階段，每條人工魚(yú)以一個(gè)大的視野尋覓解，這樣能擴(kuò)展尋優(yōu)的范圍。隨著算法的運(yùn)轉(zhuǎn)，魚(yú)群的視野范圍將適當(dāng)?shù)臏p小以加快收斂的速度。改動(dòng)視野的變化函數(shù)定義為： 其中 是衰減因子，且 (0,1)。這里必需解釋的一點(diǎn)是魚(yú)群視野在聚群行為和追尾行為中依然堅(jiān)持不變，僅在尋食行為中變換。2.基于步長(zhǎng)的改良2.1 Wang Cuiru 等提出的改良方法的根本思緒就是將人工魚(yú)群算法的實(shí)踐步長(zhǎng)改為參數(shù)定義域內(nèi)的隨機(jī)數(shù)，以保證更好的全局搜索才干。2.2 王西鄧等提出了兩種對(duì)步出息展改良的魚(yú)群算法：一種是挪動(dòng)步長(zhǎng)縮減戰(zhàn)略，

3、另一種是挪動(dòng)步長(zhǎng)動(dòng)態(tài)調(diào)整戰(zhàn)略。2.3王宗利等提出的利用評(píng)價(jià)函數(shù)的步長(zhǎng)改良算法。2.2.1挪動(dòng)步長(zhǎng)縮減戰(zhàn)略 算法在完成一次魚(yú)群演化后，根據(jù)函數(shù)最優(yōu)順應(yīng)值的變化情況更新最順應(yīng)值堅(jiān)持次數(shù)keep Times 0 最優(yōu)順應(yīng)值已更新Keep Times = Keep times +1 最優(yōu)順應(yīng)值不變根據(jù)最優(yōu)順應(yīng)值堅(jiān)持次數(shù)對(duì)人工魚(yú)的挪動(dòng)步出息展更新: M_step keep Times 1且m_step M_step= M_step 其他其中為步長(zhǎng)縮減因子，T為給定的常數(shù)，:為給定的挪動(dòng)步長(zhǎng)最小值。2.2.2挪動(dòng)步長(zhǎng)動(dòng)態(tài)調(diào)整戰(zhàn)略 為了保證迭代可以到達(dá)最大值，必需求求挪動(dòng)步長(zhǎng)大于0。因此有: 其中 為一個(gè)預(yù)

4、定義的小的正數(shù) 算法在完成一次魚(yú)群演化后，根據(jù)函數(shù)最優(yōu)順應(yīng)值的變化情況更新最優(yōu)順應(yīng)值的更新次數(shù)change Times， change Times +0 最優(yōu)順應(yīng)值未更新 Change Times= Change Times +1 最優(yōu)順應(yīng)值已更新 stepm2.2.2挪動(dòng)步長(zhǎng)動(dòng)態(tài)調(diào)整戰(zhàn)略 每經(jīng)過(guò)n次魚(yú)群演化，根據(jù)最優(yōu)順應(yīng)值在最近10n次迭代中的更新次數(shù)對(duì)人工魚(yú)的挪動(dòng)步出息展更新: 其中， 為步長(zhǎng)縮減因子，取0.85； 為給定的挪動(dòng)步長(zhǎng)最小值。并將change Times恢復(fù)為0: Change Times 0 進(jìn)展下一次挪動(dòng)步長(zhǎng)的自動(dòng)調(diào)整預(yù)備。2.3基于評(píng)價(jià)函數(shù)的步長(zhǎng)改良算法 設(shè)當(dāng)前人工魚(yú)形

5、狀X i, 在可視范圍內(nèi)隨機(jī)選擇一個(gè)形狀X j, 假設(shè)食物濃度Yj Yi, 即X j 處的食物濃度較X i 大很多, 可以以為X j 處的營(yíng)養(yǎng)物質(zhì)較為豐富, X i 應(yīng)該向X j 挪動(dòng)一大步。根本人工魚(yú)群算法中, 挪動(dòng)步長(zhǎng)隨機(jī)而定, 在改良的人工魚(yú)群算法中, 評(píng)價(jià)函數(shù)： (其中Ymax為初始形狀順應(yīng)值函數(shù)的最大值, Ymin為初始形狀順應(yīng)值函數(shù)的最小值)形狀X i 與形狀X j 處的食物濃度之差為& Yij = Yj - Yi, 假設(shè)& Yij & Y, 那么向Xj 方向挪動(dòng)3step的間隔。假設(shè)& Yij & Y, 那么向X j 方向挪動(dòng)一步。2/ )

6、(minmaxYYY3.基于視野和步長(zhǎng)的改良).,(,21nxxxX ),.,(21vnvvvxxxX 取決于人工魚(yú)當(dāng)前所在的形狀和視野中視點(diǎn)感知的形狀的自順應(yīng)步長(zhǎng)的改良戰(zhàn)略：對(duì)于人工魚(yú)的當(dāng)前形狀和所探求的下一個(gè)形狀其表示如下：4.基于步長(zhǎng)和擁堵度因子的改良 對(duì)步長(zhǎng)和擁堵度因子進(jìn)展適時(shí)的自行調(diào)整，以到達(dá)提高收斂精度的目的。在該算法中，運(yùn)用最優(yōu)順應(yīng)值變化率K和變化方差作為能否進(jìn)展參數(shù)變化的衡量規(guī)范。定義如下： 4.基于步長(zhǎng)和擁堵度因子的改良 根據(jù)以上兩個(gè)判別準(zhǔn)那么，對(duì)步長(zhǎng)和擁堵度因子作調(diào)整，表達(dá)式如下： 其中f(Step)表示按一定規(guī)那么對(duì)步出息展調(diào)整；f( )表示對(duì)擁堵度因子作相應(yīng)調(diào)整；，表示

7、評(píng)價(jià)系數(shù)，根據(jù)詳細(xì)問(wèn)題給出不同的值，用來(lái)控制變步長(zhǎng)的速度和迭代的進(jìn)程。5.引入新參數(shù)改動(dòng)參數(shù) 自順應(yīng)人工魚(yú)群算法：視步系數(shù)=步長(zhǎng)/視野根本思想是：1每次迭代后，人工魚(yú)都將本身的位置信息及食物濃度寫入并更新公告板。2人工魚(yú)根據(jù)魚(yú)群的形狀智能地獲取視野visual。3確定一個(gè)視步系數(shù)a0a1，把step=avisual 作為人工魚(yú)的最大步長(zhǎng)。4忽略擁堵的要素，在執(zhí)行追尾行為和聚群行為時(shí)，只需視野范圍內(nèi)的最優(yōu)人工魚(yú)和中心位置優(yōu)于當(dāng)前位置，就以randstep 向其挪動(dòng)。5.引入新參數(shù)改動(dòng)參數(shù)根據(jù)視野方式不同，分為四種AAFSA1-4：1AAFSA1:基于平均間隔的自順應(yīng)人工魚(yú)群算法 即每次迭代前，每

8、條人工魚(yú)都要對(duì)其他人工魚(yú)到本身的間隔進(jìn)展測(cè)算，并計(jì)算出平均值，把它作為本身的視野visual。2AAFSA2:基于最優(yōu)人工魚(yú)的自順應(yīng)人工魚(yú)群算法 即在每次迭代前，每條人工魚(yú)都要測(cè)算出到當(dāng)前最優(yōu)人工魚(yú)的間隔，并把它作為本身的視野visual1。5.引入新參數(shù)3 3AAFSA3:AAFSA3:基于最優(yōu)人工魚(yú)和最近人工魚(yú)的半復(fù)基于最優(yōu)人工魚(yú)和最近人工魚(yú)的半復(fù)合自順應(yīng)人工魚(yú)群算法合自順應(yīng)人工魚(yú)群算法 在在AAFSA2 AAFSA2 的根底上，對(duì)尋食行為做如下改良：的根底上，對(duì)尋食行為做如下改良：人工魚(yú)測(cè)算出到離本身最近的人工魚(yú)的間隔，人工魚(yú)測(cè)算出到離本身最近的人工魚(yú)的間隔，并把它作為尋食行為的視野并把

9、它作為尋食行為的視野visualvisual進(jìn)展搜進(jìn)展搜索，隨機(jī)確定一點(diǎn)，如比本身位置優(yōu)，那么以索，隨機(jī)確定一點(diǎn)，如比本身位置優(yōu)，那么以visual2visual2randrand向該點(diǎn)動(dòng)一步；反之，那么向該點(diǎn)動(dòng)一步；反之，那么繼續(xù)搜索，直至到達(dá)規(guī)定的嘗試次數(shù)。繼續(xù)搜索，直至到達(dá)規(guī)定的嘗試次數(shù)。 如仍未找到，那么執(zhí)行隨機(jī)行為。用如仍未找到，那么執(zhí)行隨機(jī)行為。用visual2visual2randrand而不用而不用visual2visual2a arandrand。5.引入新參數(shù)4AAFSA4:基于最優(yōu)人工魚(yú)和最近人工魚(yú)的復(fù)合自順應(yīng)人工魚(yú)群算法 把AAFSA2 和AAFSA3 相結(jié)合，得到了另

10、一種改良尋食行為的方法。二、基于魚(yú)群行為的改良1.基于根本魚(yú)群行為的改良1.1改良的尋食行為1.2改良的聚群行為1.3改良的追尾行為2.基于新增魚(yú)群行為的改良2.1逃逸行為2.2繁衍行為三、高階行為方式 將人工魚(yú)以前的行為和閱歷也封裝在對(duì)象內(nèi)部，并對(duì)其采取一定的參考和學(xué)習(xí)，以到達(dá)提高算法的效率的目的。如:class Artificial fishpublicfloat AF_Xn /AFs positionfloat last AF_Xn /AFs last positionfloat evergood_AF_Xn / the ever good position of AF； 這樣，人工魚(yú)就

11、記憶著曾經(jīng)的最好形狀和上一次的形狀，從而為下一次的行為作出更加合理的行為評(píng)價(jià)。四、混合優(yōu)化算法 算法在優(yōu)化過(guò)程初期雖然具有較快的收斂質(zhì)量，但在后期卻往往收斂較慢，或者無(wú)法到達(dá)要求的精度，因此，與其他算法相結(jié)合，在適宜的時(shí)候與它們相互切換，實(shí)現(xiàn)各算法之間的優(yōu)缺陷互補(bǔ)，也是一種處理問(wèn)題的常用方法。四、混合優(yōu)化方法李曉磊針對(duì)復(fù)雜大系統(tǒng)的優(yōu)化問(wèn)題中方程數(shù)多、變量維數(shù)高等特點(diǎn)，描畫了一種基于分解協(xié)調(diào)思想的人工魚(yú)群優(yōu)化算法。并以換熱器系統(tǒng)為例進(jìn)展了計(jì)算，結(jié)果闡明，該算法具有較好的收斂性、初值不敏感性和參數(shù)不敏感性等特點(diǎn)。Xiaojuan Shan等提出了一種改良的人工魚(yú)群算法，引入忌諱表，加強(qiáng)了人工魚(yú)群算

12、法的全局尋優(yōu)和鄰域搜索才干，防止限于部分最優(yōu)解。實(shí)驗(yàn)結(jié)果顯示改良的算法具有較好的全局尋優(yōu)才干。李亮等構(gòu)造了一種兩點(diǎn)忌諱尋優(yōu)算子以防止尋優(yōu)過(guò)程中的迂回搜索，并用它模擬魚(yú)群中單條魚(yú)的跟隨歷史最優(yōu)魚(yú)、追尾、群聚三種行為，采用遺傳算法中非均勻變異算子模擬單條魚(yú)的尋食行為，魚(yú)群中各個(gè)體經(jīng)過(guò)這四種行為進(jìn)展交流、協(xié)作從而構(gòu)成了一種忌諱魚(yú)群算法。將該算法運(yùn)用于兩個(gè)復(fù)雜土坡的最小平安系數(shù)搜索中，并同根本魚(yú)群算法的計(jì)算結(jié)果進(jìn)展了比較，結(jié)果證明忌諱魚(yú)群算法具有搜索高效、適于約束優(yōu)化問(wèn)題求解等特點(diǎn)。四、混合優(yōu)化方法張梅鳳等在分析人工魚(yú)群算法存在缺乏的根底上，提出了基于變異算子與模擬退火混合的人工魚(yú)群優(yōu)化算法。該算法堅(jiān)

13、持了人工魚(yú)群算法簡(jiǎn)單、易實(shí)現(xiàn)的特點(diǎn)，抑制了人工魚(yú)漫無(wú)目的隨機(jī)游動(dòng)或在非全局極值點(diǎn)的大量聚集，顯著提高了算法的運(yùn)轉(zhuǎn)效率和求解質(zhì)量。經(jīng)過(guò)函數(shù)和實(shí)例測(cè)實(shí)驗(yàn)證，闡明了該算法是可行和有效的。黃光球等經(jīng)過(guò)引入網(wǎng)格劃分戰(zhàn)略和忌諱搜索算法，對(duì)根本人工魚(yú)群算法進(jìn)展了改良，減少了迂回搜索的無(wú)用計(jì)算，同時(shí)也使人工魚(yú)可以在解空間內(nèi)進(jìn)展更為全面的搜索，提高了搜索效率，加快了系統(tǒng)稱心解域確實(shí)定；經(jīng)過(guò)對(duì)變量空間進(jìn)展網(wǎng)格劃分，提供了獲取系統(tǒng)最優(yōu)解的方法，而且加強(qiáng)了對(duì)魚(yú)群公告板信息的運(yùn)用。實(shí)驗(yàn)闡明，與根本人工魚(yú)群算法相比，該方法具有明顯的優(yōu)越性。高德芳等提出了交融魚(yú)群算法及蟻群算法的優(yōu)化模型求解方法，并以鐵路客車內(nèi)裝模塊化配置設(shè)計(jì)為運(yùn)用，驗(yàn)證了該求解方法的可行性和有效性。四、混合優(yōu)化方法 宋志宇等根據(jù)混沌(CHAOS)的遍歷性和隨機(jī)性等特點(diǎn)，將混沌系統(tǒng)和人工魚(yú)群算法相結(jié)合