改進人工魚群算法研究與應用.pdf

1、人工魚群算法是自然界以魚為模板而衍生出來的一種新型群智能優(yōu)化算法，為大量工程難題的分布式計算提供了有效的工具。該算法不依賴問題數(shù)學性質，具有對初值不敏感、優(yōu)良的魯棒性能，已經被廣泛應用于國民經濟的各個領域，由解決連續(xù)性優(yōu)化問題發(fā)展到解決各種離散組合問題的優(yōu)化，一維靜態(tài)優(yōu)化問題發(fā)展到解決多維動態(tài)組合優(yōu)化。人工魚群算法已經成為優(yōu)化技術領域內一個非常熱門前沿性的課題。
　　人工魚群算法采用自下而上的搜索機制，模仿魚的“覓食行為”、“聚群

2、行為”、“追尾行為”等主要行為而達到全局尋優(yōu)。受擁擠度因子的影響，當算法逼近極值時，人工魚卻只能在極值近鄰徘徊，不能求得精確解。由于粒子群算法具有趨向、快速的收斂特性，可以彌補人工魚群算法在局部搜索能力及算法后期收斂速度慢的弱勢，因此提出了粒子群優(yōu)化人工魚群算法，該算法在人工魚群的“覓食行為”、“聚群行為”、“追尾行為”數(shù)學模型上做了優(yōu)化，此外，引入粒子的飛行速度和非線性動態(tài)慣性權重因子。通過Sphere函數(shù)、Ackley函數(shù)、Levy

3、函數(shù)和Griewank函數(shù)對算法的性能進行了驗證，從算法的迭代速度、收斂精度和慣性權重等方面進行了綜合的對比考察，通過仿真數(shù)據(jù)證實了改進的算法較人工魚群算法和粒子群算法有著更加良好的收斂性能。
　　TSP問題是屬于典型NP難題，采用現(xiàn)代智能算法對旅行商問題的研究有著很重要的實踐意義和理論意義。TSP問題即旅行商問題，它求解旅行商去N個城市推銷自己的商品，使得所走的城市只經過一次并且返回該起點所走的最短距離。針對此問題，提出了交叉變

4、異人工魚群優(yōu)化算法，并將其用于旅行商問題的求解。該算法在人工魚群算法的基礎上引入交叉變異算子，并介紹了該算法的距離、鄰域及中心概念解決旅行商問題。引用數(shù)據(jù)庫51城市為實例，實現(xiàn)了路徑最短問題的尋優(yōu)，仿真結果表明，該算法在組合優(yōu)化問題的求解，表現(xiàn)出了極強的尋優(yōu)能力和較好的性能。
　　核函數(shù)的類型、核參數(shù)以及懲罰因子的選取直接影響著支持向量機癌細胞識別效果。然而,直到現(xiàn)在,支持向量機的核函數(shù)、核參數(shù)及懲罰因子的選取還沒有科學的方法,人