魚群算法原理概述-智能信息處理

魚群算法基本原理講解智能信息處理匯報(bào)人：xxx目錄HereisyourContent1魚群模式概論2魚群算法流程>>4算法仿真及分析LOGO魚群算法基本原理3魚群模式概論1

魚群算法是根據(jù)魚類的活動(dòng)特點(diǎn),提出了一種基于動(dòng)物行為的自治體尋優(yōu)模式?！咀ⅰ孔灾误w：指生物體在不同時(shí)刻和不同環(huán)境中，能夠自主地選擇某種行為，而無(wú)需外接的控制與指導(dǎo)。魚群算法的基本思想：在一片水域中，魚往往能夠自行或尾隨其他魚找到營(yíng)養(yǎng)物質(zhì)多的地方，因此魚生存數(shù)目最多的地方一般就是本水域中營(yíng)養(yǎng)物質(zhì)最多的地方。

魚群模式概論行為系統(tǒng)感知系統(tǒng)運(yùn)動(dòng)系統(tǒng)人工魚群算法就是根據(jù)魚群的行為系統(tǒng)、感知系統(tǒng)、以及運(yùn)動(dòng)系統(tǒng)，通過(guò)構(gòu)造人工魚來(lái)模仿魚群的覓食、聚群及追尾行為，從而實(shí)現(xiàn)全局尋優(yōu)。行為系統(tǒng)運(yùn)動(dòng)系統(tǒng)主要包括覓食行為、群聚行為、追尾行為和隨機(jī)行為。魚類通過(guò)對(duì)行為的評(píng)價(jià)，選擇一種當(dāng)前最優(yōu)的行為進(jìn)行執(zhí)行，以到達(dá)食物濃度更高的的位置。即參數(shù)系統(tǒng)，主要包括變量和目標(biāo)函數(shù)以及各種功能函數(shù)的設(shè)定兩部分。

選題背景感知系統(tǒng)主要靠視覺來(lái)實(shí)現(xiàn)。設(shè)其當(dāng)前狀態(tài)為X，視野范圍為Visual，狀態(tài)Xv為其某時(shí)刻視點(diǎn)所在的位置，若該位置的狀態(tài)優(yōu)于當(dāng)前狀態(tài)，則考慮向該位置方向前進(jìn)一步，到達(dá)狀態(tài)Vnext。若狀態(tài)Xv不比當(dāng)前狀態(tài)更優(yōu)，則繼續(xù)巡視視野內(nèi)的其他位置。巡視的次數(shù)越多，對(duì)視野的狀態(tài)了解越全面，有助于做出相應(yīng)的判斷和決策。覓食行為聚群行為追尾行為隨機(jī)行為魚群算法在對(duì)以上四種行為進(jìn)行評(píng)價(jià)后,自動(dòng)選擇合適的行為,從而形成了一種高效快速的尋優(yōu)策略。魚群行為分析這些行為在不同時(shí)刻會(huì)相互轉(zhuǎn)換,而這種轉(zhuǎn)換通常是魚通過(guò)對(duì)環(huán)境的感知來(lái)自主實(shí)現(xiàn)的,這些行為與魚的覓食和生存都有著密切的關(guān)系,并且與我們優(yōu)化問(wèn)題的解決也有著密切的關(guān)系。魚群算法基本原理2

步長(zhǎng)（step）：隨著步長(zhǎng)的增加，收斂速度加快，但超過(guò)一定范圍后收斂速度減慢，甚至出現(xiàn)振蕩。因此，采用隨機(jī)步長(zhǎng)可在一定程度上防止振蕩，可利用合適的固定步長(zhǎng)和變步長(zhǎng)來(lái)提高收斂速度和精度。

視野（Visual

）：由于視野對(duì)算法中各行為都有較大的影響，因此其變化對(duì)收斂性能的影響也是比較復(fù)雜的。當(dāng)視野范圍較小時(shí)，人工魚群的覓食行為和隨機(jī)游動(dòng)比較突出；視野范圍較大時(shí)人工魚的追尾行為和聚群行為將變得較突出?？傮w來(lái)看，視野越大，越容易使人工魚發(fā)現(xiàn)全局極值并收斂。因此對(duì)人工魚的視野進(jìn)行適當(dāng)?shù)母倪M(jìn)，是提高人工魚群算法優(yōu)化性能的一種方向。人工魚群算法的參數(shù)選取

嘗試次數(shù)（Try-number）：嘗試次數(shù)越多，人工魚執(zhí)行覓食行為的能力越強(qiáng)，收斂效率越高，但在局部極值突出的情況下，易錯(cuò)過(guò)全局極值點(diǎn)，即人工魚擺脫局部極值的能力越弱。因此，在一般優(yōu)化中，可適當(dāng)增加嘗試次數(shù)，以加快收斂速度；在局部極值突出的情況下，應(yīng)減少嘗試次數(shù)，增加人工魚隨機(jī)游動(dòng)的概率。人工魚的數(shù)目（N）：人工魚數(shù)目越多，魚群的群體智能越突出，收斂速度越快，精度越高，跳出局部極值的能力也越強(qiáng)，但迭代計(jì)算量增大。因此，實(shí)際應(yīng)用中，在滿足穩(wěn)定收斂的前提下，應(yīng)盡量減少人工魚的數(shù)目。

擁擠度因子（δ）：擁擠度因子的引入是為了避免過(guò)度擁擠而陷入局部極值。

人工魚群算法的參數(shù)選取擁擠度因子的定義：對(duì)于極大值問(wèn)題：對(duì)于極小值問(wèn)題：式中，分別為極值接近水平和期望在該鄰域內(nèi)聚集的最大人工魚數(shù)目。擁擠度因子對(duì)算法的影響（以極大值為例）：

①擁擠度因子越大，表明允許擁擠的程度越小，擺脫局部極值的能力越強(qiáng)，但收斂速度減緩。

②對(duì)于某些局部極值不嚴(yán)重的問(wèn)題，往往可以忽略擁擠的因素，既簡(jiǎn)化算法，又加快算法收斂速度，提高結(jié)果的精確程度。這是人工魚的一種趨向食物活動(dòng)。一般通過(guò)視覺或味覺來(lái)感知水中的食物量或濃度來(lái)選擇趨向。設(shè)人工魚i的當(dāng)前狀態(tài)為Xi，在其感知范圍內(nèi)隨機(jī)選擇一個(gè)狀態(tài)Xj，則若，則否則，重新隨機(jī)選擇Xj，判斷是否滿足前進(jìn)條件，嘗試Try-number次后，若還不滿足，則隨機(jī)前進(jìn)一步覓食行為這是魚群生存和躲避危害的一種生活習(xí)性。在魚群算法中，一般規(guī)定兩條，一是盡量向鄰近伙伴的中心移動(dòng)，二是避免過(guò)分擁擠。設(shè)人工魚當(dāng)前狀態(tài)為Xi，探索當(dāng)前鄰域內(nèi)的伙伴數(shù)目nf及中心位置Xc。若，表明伙伴中心有較多食物且不太擁擠，則朝伙伴的中心位置方向前進(jìn)一步，即否則，執(zhí)行覓食行為。聚集行為

追尾行為魚群在游動(dòng)過(guò)程中，當(dāng)其中一條魚或幾條魚發(fā)現(xiàn)食物時(shí)，其鄰近的伙伴會(huì)尾隨其快速到達(dá)食物點(diǎn)。即追尾行為是一種向鄰近的有最高適應(yīng)度的人工魚追逐的行為，在尋優(yōu)算法中可理解為向附近最優(yōu)伙伴靠近的過(guò)程。設(shè)人工魚i的當(dāng)前狀態(tài)為Xi，探索當(dāng)前鄰域內(nèi)所有伙伴中Xj的Yj最大，則超Xj的方向前進(jìn)一步，即

隨機(jī)行為魚在水中自由游動(dòng)，表面看是隨機(jī)的，實(shí)際是在為更大范圍覓食做準(zhǔn)備，即在視野內(nèi)隨機(jī)選擇一個(gè)狀態(tài)，然后向該方向移動(dòng)。追尾行為、隨機(jī)行為魚群算法流程3人工魚個(gè)體的狀態(tài)可表示為向量X=(x,,xZ,…,x,),其中x‘(l’二1,…,n)為欲尋優(yōu)的變量;人工魚當(dāng)前所在位置的食物濃度表示為Y=f(X),其中了為目標(biāo)函數(shù)值;人工魚個(gè)體之間的距離表示為人,一l戈一戈11:Visual表示人工魚的感知距離;steP表示人工魚移動(dòng)的最大步長(zhǎng);占為擁擠度因子。7.2魚群算法的基本原理

①初始化設(shè)置：包括種群規(guī)模N，每條人工魚的初始位置，人工魚的可視域Visual，步長(zhǎng)step，擁擠度因子δ，重復(fù)次數(shù)Try-number。

②計(jì)算初始魚群各個(gè)體適應(yīng)值，取最優(yōu)人工魚狀態(tài)及其值賦予公告牌。

③對(duì)每個(gè)個(gè)體進(jìn)行評(píng)價(jià)，對(duì)其要執(zhí)行的行為進(jìn)行選擇，包括覓食、聚群、追尾和隨機(jī)行為。

④執(zhí)行人工魚的行為，更新自己，形成新鮮魚。

⑤評(píng)價(jià)所有個(gè)體，若謀個(gè)體優(yōu)于公告牌，則將公告牌更新為該個(gè)體。

⑥當(dāng)公告牌最優(yōu)解達(dá)到滿意誤差界內(nèi)時(shí)，算法結(jié)束。否則轉(zhuǎn)步驟③。

公告牌：用來(lái)記錄最優(yōu)人工魚個(gè)體的狀態(tài)。各人工魚個(gè)體在尋優(yōu)過(guò)程中，每次行動(dòng)完畢就檢驗(yàn)自身

狀態(tài)與公告牌的狀態(tài)，如果自身狀態(tài)優(yōu)于公告牌狀態(tài)，就將公告牌的狀態(tài)改寫為自身狀態(tài)，這樣就使公告牌記錄下歷史最優(yōu)的狀態(tài)。當(dāng)整個(gè)算法結(jié)束后，輸出公告牌記錄的值。迭代終止條件：

①連續(xù)多次所得值的均方誤差小于允許誤差；

②聚集于某個(gè)區(qū)域的人工魚數(shù)目達(dá)到某個(gè)比率；

③連續(xù)多次所獲得的均值不超過(guò)已找到的極值；

④達(dá)到規(guī)定的最大迭代次數(shù)。魚群算法的步驟

①初始化設(shè)置：包括種群規(guī)模N，每條人工魚的初始位置，人工魚的可視域Visual，步長(zhǎng)step，擁擠度因子δ，重復(fù)次數(shù)Try-number。

②計(jì)算初始魚群各個(gè)體適應(yīng)值，取最優(yōu)人工魚狀態(tài)及其值賦予公告牌。

③對(duì)每個(gè)個(gè)體進(jìn)行評(píng)價(jià)，對(duì)其要執(zhí)行的行為進(jìn)行選擇，包括覓食、聚群、追尾和隨機(jī)行為。

④執(zhí)行人工魚的行為，更新自己，形成新鮮魚。

⑤評(píng)價(jià)所有個(gè)體，若謀個(gè)體優(yōu)于公告牌，則將公告牌更新為該個(gè)體。

⑥當(dāng)公告牌最優(yōu)解達(dá)到滿意誤差界內(nèi)時(shí)，算法結(jié)束。否則轉(zhuǎn)步驟③。魚群算法仿真分析及優(yōu)缺點(diǎn)4matlab仿真參數(shù)設(shè)定目標(biāo)函數(shù)：魚群算法的仿真圖魚群算法的仿真圖仿真結(jié)論聚群行為能夠很好的跳出局部極值,并盡可能的搜索到其他的極值,最終搜索到全局極值。追尾行為有助于快速的向某個(gè)極值方向前進(jìn),加快尋優(yōu)的速度,并防止AF在局部振蕩而停滯不前。魚群算法在對(duì)以上兩種行為進(jìn)行評(píng)價(jià)后,自動(dòng)選擇合適的行為,從而形成了一種高效快速的尋優(yōu)策略。仿真參數(shù)設(shè)定的影響覓食行為中try_numhe;的次數(shù)較少時(shí)，為人工魚提供了隨機(jī)游動(dòng)的機(jī)會(huì)，從而能跳出局部極值的鄰域；隨機(jī)步長(zhǎng)step的采用，使得在前往局部極值的途中，有可能轉(zhuǎn)而游向全局極值,當(dāng)然,其相反的一面也會(huì)發(fā)生的,就是在去往全局極值的途中，可能轉(zhuǎn)而游向局部極值，這對(duì)一個(gè)個(gè)體當(dāng)然不好判定他的禍福，但對(duì)于一個(gè)群體來(lái)說(shuō)，好的一面往往會(huì)具有更大的機(jī)率；擁擠度因子的引入限制了聚群的規(guī)模，只有較優(yōu)的地方才能聚集更多的人工魚，使得人工魚能夠更廣泛的尋優(yōu)。謝謝！PPT模板下載：/moban/行業(yè)PPT模板：/hangye/節(jié)日PPT模板：/jieri/PPT素材下載：/sucai/PPT背景圖片：/beijing/PPT圖表下載：/tubiao/優(yōu)秀PPT下載：/xiazai/