基于拓扑结构改进的人工鱼群算法
Artificial Fish Swarm Algorithm Based on Improved Topological Structure
DOI: 10.12677/CSA.2016.63018, PDF,   
作者: 鲍丽山：江苏省电力公司信息通信分公司，江苏 南京 ；楚建浦*, 梁秋霞：重庆大学数学与统计学院，重庆
关键词: 人工鱼群算法；拓扑结构；模糊控制；超立方体顶点搜索；Artificial Fish Swarm Algorithm； Topological Structure； Fuzzy Control； Super Cube Vertex Search
摘要: 人工鱼群算法是一种经典的启发式仿生算法，文章从人工鱼群算法的内部协同性出发，将自反馈模糊控制邻域结构与超立方体顶点搜索相结合应用到人工鱼群，提出基于拓扑结构改进的人工鱼群算法(TAFSA)。对高维以及多极值非线性函数的寻优问题，实验仿真结果表明，该算法具有易定位全局最优值，后期收敛速度快等优点。
Abstract: Artificial fish algorithm is a kind of classic heuristic bionic algorithm. This paper starts from the internal collaborative of artificial fish algorithm, and the feedback fuzzy control neighborhood structure combined with super cube vertices searching to the artificial group is applied, then the improved artificial fish algorithm based on the topological structure (TAFSA) is proposed. For high-dimensional and more extreme nonlinear function optimization problems, the experimental simulation results show that the algorithm is easy to locate the global optimal value and has the fast convergence speed.
文章引用：鲍丽山, 楚建浦, 梁秋霞. 基于拓扑结构改进的人工鱼群算法[J]. 计算机科学与应用, 2016, 6(3): 137-142. https://dx.doi.org/10.12677/CSA.2016.63018

参考文献

[1] 李晓磊. 一种新型的智能优化方法——人工鱼群算法[D]: [博士学位论文]. 杭州: 浙江大学, 2003.
[2] 李晓磊, 邵之江, 钱积新. 一种基于动物自治体的寻优模式: 鱼群算法[J]. 系统工程理论与实践, 2002, 22(11): 32-38.
[3] 曲良东, 何登旭. 基于单纯形法的双群人工鱼群算法[J]. 计算机应用, 2008, 28(8): 2103-2104.
[4] 刘凌子, 周永权. 一种基于人工鱼群和文化算法的新型混合全局优化算法[J]. 计算机应用研究, 2009, 26(12): 4446-4448.
[5] 王联国. 人工鱼群算法及其应用研究[D]: [博士学位论文]. 兰州: 兰州理工大学, 2009.
[6] Xiao, J.M., Zheng, X.M., Wang, X.H. and Huang, Y.F. (2006) A Modified Artificial Fish-Swarm Algo-rithm. Proceedings of the World Congress on Intelligent Control and Automation (WCICA), Dalian, 21-23 June 2006, 3456-3460.
[7] Wang, C.R., Zhou, C.L. and Ma, J.W. (2005) An Improved Artificial Fish-Swarm Algorithm and Its Application in Feed-Forward Neural Networks.
[8] Zhang, M.F. and Shao, C. (2008) Niche Artificial Fish Swarm Algorithm for Multimodal Function Optimization. Control Theory and Applications, 4, 773-776.
[9] 高德芳, 赵勇, 郭杨, 赵海涛. 基于混合鱼群—蚁群算法的模块化产品配置设计[J]. 设计与研究, 2007, 34(1): 7- 10.
[10] 黄光球, 王西邓, 刘冠. 基于网格划分策略的改进人工鱼群算法[J]. 微电子学与计算机, 2007, 24(7): 83-90.
[11] Song, Z.Y., Li, J.J. and Wang, H.Y. (2007) Inverse Research for Gravity Dam Parameters Based on Chaos Artificial Fish Swarm Algorithm. Rock and Soil Mechanics, 28, 2193-2196.
[12] 刘彦君, 江铭炎. 自适应视野和步长的改进人工鱼群算法[J]. 计算机工程与应用, 2009, 45(25): 35-37.
[13] 王翠茹, 周春雷. 基于人工鱼群算法的0•1背包问题的优化算法及其改进[C]. 保定. 2005年中国模糊逻辑与计算智能联合学术会议论文集, 2005.
[14] 成飙. 两种随机优化算法的改进及其化工应用研究[D]: [博士学位论文]. 杭州: 浙江大学, 2007.
[15] 杨咚咚, 马晶晶, 焦李成, 公茂果, 司晓云. 一种改进ε支配的等度规映射方法[J]. 软件学报, 2011, 22(10): 2291- 2304.