鱼群算法原理概述-智能信息处理

鱼群算法基本原理讲解智能信息处理汇报人：xxx目录HereisyourContent1鱼群模式概论2鱼群算法流程>>4算法仿真及分析LOGO鱼群算法基本原理3鱼群模式概论1

鱼群算法是根据鱼类的活动特点,提出了一种基于动物行为的自治体寻优模式。【注】自治体：指生物体在不同时刻和不同环境中，能够自主地选择某种行为，而无需外接的控制与指导。鱼群算法的基本思想：在一片水域中，鱼往往能够自行或尾随其他鱼找到营养物质多的地方，因此鱼生存数目最多的地方一般就是本水域中营养物质最多的地方。

鱼群模式概论行为系统感知系统运动系统人工鱼群算法就是根据鱼群的行为系统、感知系统、以及运动系统，通过构造人工鱼来模仿鱼群的觅食、聚群及追尾行为，从而实现全局寻优。行为系统运动系统主要包括觅食行为、群聚行为、追尾行为和随机行为。鱼类通过对行为的评价，选择一种当前最优的行为进行执行，以到达食物浓度更高的的位置。即参数系统，主要包括变量和目标函数以及各种功能函数的设定两部分。

选题背景感知系统主要靠视觉来实现。设其当前状态为X，视野范围为Visual，状态Xv为其某时刻视点所在的位置，若该位置的状态优于当前状态，则考虑向该位置方向前进一步，到达状态Vnext。若状态Xv不比当前状态更优，则继续巡视视野内的其他位置。巡视的次数越多，对视野的状态了解越全面，有助于做出相应的判断和决策。觅食行为聚群行为追尾行为随机行为鱼群算法在对以上四种行为进行评价后,自动选择合适的行为,从而形成了一种高效快速的寻优策略。鱼群行为分析这些行为在不同时刻会相互转换,而这种转换通常是鱼通过对环境的感知来自主实现的,这些行为与鱼的觅食和生存都有着密切的关系,并且与我们优化问题的解决也有着密切的关系。鱼群算法基本原理2

步长（step）：随着步长的增加，收敛速度加快，但超过一定范围后收敛速度减慢，甚至出现振荡。因此，采用随机步长可在一定程度上防止振荡，可利用合适的固定步长和变步长来提高收敛速度和精度。

视野（Visual

）：由于视野对算法中各行为都有较大的影响，因此其变化对收敛性能的影响也是比较复杂的。当视野范围较小时，人工鱼群的觅食行为和随机游动比较突出；视野范围较大时人工鱼的追尾行为和聚群行为将变得较突出。总体来看，视野越大，越容易使人工鱼发现全局极值并收敛。因此对人工鱼的视野进行适当的改进，是提高人工鱼群算法优化性能的一种方向。人工鱼群算法的参数选取

尝试次数（Try-number）：尝试次数越多，人工鱼执行觅食行为的能力越强，收敛效率越高，但在局部极值突出的情况下，易错过全局极值点，即人工鱼摆脱局部极值的能力越弱。因此，在一般优化中，可适当增加尝试次数，以加快收敛速度；在局部极值突出的情况下，应减少尝试次数，增加人工鱼随机游动的概率。人工鱼的数目（N）：人工鱼数目越多，鱼群的群体智能越突出，收敛速度越快，精度越高，跳出局部极值的能力也越强，但迭代计算量增大。因此，实际应用中，在满足稳定收敛的前提下，应尽量减少人工鱼的数目。

拥挤度因子（δ）：拥挤度因子的引入是为了避免过度拥挤而陷入局部极值。

人工鱼群算法的参数选取拥挤度因子的定义：对于极大值问题：对于极小值问题：式中，分别为极值接近水平和期望在该邻域内聚集的最大人工鱼数目。拥挤度因子对算法的影响（以极大值为例）：

①拥挤度因子越大，表明允许拥挤的程度越小，摆脱局部极值的能力越强，但收敛速度减缓。

②对于某些局部极值不严重的问题，往往可以忽略拥挤的因素，既简化算法，又加快算法收敛速度，提高结果的精确程度。这是人工鱼的一种趋向食物活动。一般通过视觉或味觉来感知水中的食物量或浓度来选择趋向。设人工鱼i的当前状态为Xi，在其感知范围内随机选择一个状态Xj，则若，则否则，重新随机选择Xj，判断是否满足前进条件，尝试Try-number次后，若还不满足，则随机前进一步觅食行为这是鱼群生存和躲避危害的一种生活习性。在鱼群算法中，一般规定两条，一是尽量向邻近伙伴的中心移动，二是避免过分拥挤。设人工鱼当前状态为Xi，探索当前邻域内的伙伴数目nf及中心位置Xc。若，表明伙伴中心有较多食物且不太拥挤，则朝伙伴的中心位置方向前进一步，即否则，执行觅食行为。聚集行为

追尾行为鱼群在游动过程中，当其中一条鱼或几条鱼发现食物时，其邻近的伙伴会尾随其快速到达食物点。即追尾行为是一种向邻近的有最高适应度的人工鱼追逐的行为，在寻优算法中可理解为向附近最优伙伴靠近的过程。设人工鱼i的当前状态为Xi，探索当前邻域内所有伙伴中Xj的Yj最大，则超Xj的方向前进一步，即

随机行为鱼在水中自由游动，表面看是随机的，实际是在为更大范围觅食做准备，即在视野内随机选择一个状态，然后向该方向移动。追尾行为、随机行为鱼群算法流程3人工鱼个体的状态可表示为向量X=(x,,xZ,…,x,),其中x‘(l’二1,…,n)为欲寻优的变量;人工鱼当前所在位置的食物浓度表示为Y=f(X),其中了为目标函数值;人工鱼个体之间的距离表示为人,一l戈一戈11:Visual表示人工鱼的感知距离;steP表示人工鱼移动的最大步长;占为拥挤度因子。7.2鱼群算法的基本原理

①初始化设置：包括种群规模N，每条人工鱼的初始位置，人工鱼的可视域Visual，步长step，拥挤度因子δ，重复次数Try-number。

②计算初始鱼群各个体适应值，取最优人工鱼状态及其值赋予公告牌。

③对每个个体进行评价，对其要执行的行为进行选择，包括觅食、聚群、追尾和随机行为。

④执行人工鱼的行为，更新自己，形成新鲜鱼。

⑤评价所有个体，若谋个体优于公告牌，则将公告牌更新为该个体。

⑥当公告牌最优解达到满意误差界内时，算法结束。否则转步骤③。

公告牌：用来记录最优人工鱼个体的状态。各人工鱼个体在寻优过程中，每次行动完毕就检验自身

状态与公告牌的状态，如果自身状态优于公告牌状态，就将公告牌的状态改写为自身状态，这样就使公告牌记录下历史最优的状态。当整个算法结束后，输出公告牌记录的值。迭代终止条件：

①连续多次所得值的均方误差小于允许误差；

②聚集于某个区域的人工鱼数目达到某个比率；

③连续多次所获得的均值不超过已找到的极值；

④达到规定的最大迭代次数。鱼群算法的步骤

①初始化设置：包括种群规模N，每条人工鱼的初始位置，人工鱼的可视域Visual，步长step，拥挤度因子δ，重复次数Try-number。

②计算初始鱼群各个体适应值，取最优人工鱼状态及其值赋予公告牌。

③对每个个体进行评价，对其要执行的行为进行选择，包括觅食、聚群、追尾和随机行为。

④执行人工鱼的行为，更新自己，形成新鲜鱼。

⑤评价所有个体，若谋个体优于公告牌，则将公告牌更新为该个体。

⑥当公告牌最优解达到满意误差界内时，算法结束。否则转步骤③。鱼群算法仿真分析及优缺点4matlab仿真参数设定目标函数：鱼群算法的仿真图鱼群算法的仿真图仿真结论聚群行为能够很好的跳出局部极值,并尽可能的搜索到其他的极值,最终搜索到全局极值。追尾行为有助于快速的向某个极值方向前进,加快寻优的速度,并防止AF在局部振荡而停滞不前。鱼群算法在对以上两种行为进行评价后,自动选择合适的行为,从而形成了一种高效快速的寻优策略。仿真参数设定的影响觅食行为中try_numhe;的次数较少时，为人工鱼提供了随机游动的机会，从而能跳出局部极值的邻域；随机步长step的采用，使得在前往局部极值的途中，有可能转而游向全局极值,当然,其相反的一面也会发生的,就是在去往全局极值的途中，可能转而游向局部极值，这对一个个体当然不好判定他的祸福，但对于一个群体来说，好的一面往往会具有更大的机率；拥挤度因子的引入限制了聚群的规模，只有较优的地方才能聚集更多的人工鱼，使得人工鱼能够更广泛的寻优。谢谢！PPT模板下载：/moban/行业PPT模板：/hangye/节日PPT模板：/jieri/PPT素材下载：/sucai/PPT背景图片：/beijing/PPT图表下载：/tubiao/优秀PPT下载：/xiazai/