[发明专利]基于全局信息的人工鱼群算法

摘要

本发明提出了一种基于全局信息的人工鱼群算法，包括以下步骤：(1)首先进行初始化设置；(2)计算每条人工鱼的适应度值，并记录全局最优的人工鱼的状态；(3)对每条人工鱼进行评价，对其要执行的行为进行选择，包括觅食行为、群聚行为、追尾行为、吞食行为和跳跃行为；(4)执行人工鱼选择的行为，基于全局信息和局部信息更新人工鱼的位置信息；(5)更新全局最优人工鱼的状态；(6)如果满足循环结束的条件就输出结果，否则就跳转到步骤(2)。本发明对基本人工鱼群算法进行了改进，提出了一种新的鱼群寻优模式和人工鱼的吞食行为和跳跃行为，降低了算法的复杂度，增强了算法的全局寻优能力，提高了算法的收敛速度和收敛精度。

主权项

1.一种基于全局信息的人工鱼群算法，包括以下步骤：(1)首先进行初始化设置，包括人工鱼群的个体数N，每条人工鱼的初始位置，人工鱼的视野Visual，最大迭代次数I_max，尝试次数Try_number，拥挤度因子δ和要执行吞食行为的阈值T_value；(2)计算每条人工鱼的适应度值，并记录全局最优的人工鱼的状态；(3)对每条人工鱼进行评价，对其要执行的行为进行选择，包括觅食行为、群聚行为、追尾行为、吞食行为和跳跃行为；各行为的描述如下：A觅食行为：设当前全局最优的人工鱼为Xbest，人工鱼的当前状态为Xi，在其感知的范围内随机的选择一个状态Xj，如果在求极大值问题中，Yi＜Yj，则向Xj和最优人工鱼Xbest的矢量和方向前进一步：人工鱼的位置增量＝0～1的随机数×人工鱼步长×(Xj状态的位置矢量+最优人工鱼Xbest的位置矢量-Xi状态的位置矢量)/距离；反之，再重新随机选择状态Xj，判断是否满足前进条件；这样反复尝试try_number次后，如果仍不满足前进条件，则随机移动一步；B群聚行为：设当前全局最优的人工鱼为Xbest，人工鱼的当前状态为Xi，参考当前人工鱼视野范围内的同伴数目nf及中心位置Xc，如果中心食物浓度与中心伙伴数的比值大于拥挤度因子和当前人工鱼食物浓度的乘积，表明伙伴中心有较多的食物并且不太拥挤，则向Xc和Xbest的矢量和方向前进一步：人工鱼的位置增量＝0～1的随机数×人工鱼步长×(Xc状态的位置矢量+最优人工鱼Xbest的位置矢量-Xi状态的位置矢量)/距离；否则执行觅食行为；C追尾行为：设当前全局最优的人工鱼为Xbest，人工鱼的当前状态为Xi，参考当前人工鱼的视野范围内有最大食物浓度Yj的伙伴Xj，如果Xj食物浓度与附近伙伴数的比值大于拥挤度因子和当前人工鱼食物浓度的乘积，表明Xj有较高的食物浓度并且周围不太拥挤，则向Xj和Xbest的矢量和方向前进一步：人工鱼的位置增量＝0～1的随机数×人工鱼步长×(Xj状态的位置矢量+最优人工鱼Xbest的位置矢量-Xi状态的位置矢量)/距离；否则执行觅食行为；D跳跃行为在所有人工鱼中选择某些人工鱼并且随机的设置它们的参数：某条人工鱼的下一状态＝现在的状态+0～1的随机数×使状态发生改变的参数×人工鱼的视野；让一些人工鱼跳跃出现在的局部最优的状态；E吞食行为根据自然界中弱小的鱼会被大鱼吞食的现象，把目标函数值低于一定阈值的人工鱼淘汰掉；(4)执行人工鱼选择的行为，基于全局信息和局部信息更新人工鱼的位置信息；(5)更新全局最优人工鱼的状态；(6)如果满足循环结束的条件就输出结果，否则就跳转到步骤(2)。