基于基因交换的自适应人工鱼群算法

针对人工鱼群算法(AFSA)不能完美地平衡局部寻优与全局寻优,且缺乏跳出局部最优能力等问题,提出了一种基于基因交换的自适应人工鱼群算法(AAFSA-GE)。首先利用自适应的视野和步长提高搜索的速度及精度,然后利用混乱行为和基因交换行为增强跳出局部最优的能力并提高搜索效率。为了证明算法的有效性,在实验中使用了10种经典的测试函数将所提算法与规范鱼群算法(NFSA)、基于扩展记忆粒子群优化算法的人工鱼群算法(PSOEMFSA)、综合改进人工鱼群算法(CIAFSA)等改进鱼群算法进行了比较。实验结果表明,AAFSA-GE较PSOEM-FSA、CIAFSA具有更优秀局部寻优能力和全局寻优能力,较NFSA具有更高的搜索效率以及更好的全局寻优能力。

改进的双群人工鱼群算法

针对传统人工鱼群算法在后期收敛速度较慢以及难以跳出局部最优值找到全局最优值的问题,提出了一种改进的双群人工鱼群算法。该算法第一种群采用位置向量交换行为快速寻优,第二种群采用混乱行为产生的新的鱼群再次寻优,最终得到两次寻优的结果得到的交叉解。为了证明双群人工鱼群算法的有效性,在实验中在采用了10种经典的测试函数,并且与前人提出的改进方法包括规范鱼群算法(NFSA)、基于扩展记忆粒子群优化算法的人工鱼群(PSOEM_FSA)算法、综合改进人工鱼群(CIAFSA)等算法进行全方面综合对比。实验结果表明,双群人工鱼群算法较规范鱼群算法、基于扩展记忆粒子群优化算法的人工鱼群算法、综合改进人工鱼群算法在局部寻优以及全局寻优具有更精准更有效率的寻优结果。