自适应视野和步长的改进人工鱼群算法

doi:10.3778/j.issn.1002-8331.2009.25.011

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (25): 35-37.DOI: 10.3778/j.issn.1002-8331.2009.25.011

自适应视野和步长的改进人工鱼群算法

刘彦君，江铭炎

山东大学信息科学与工程学院，济南 250100

收稿日期:2008-10-23 修回日期:2009-01-05 出版日期:2009-09-01 发布日期:2009-09-01
通讯作者: 刘彦君

Improved artificial fish swarm algorithm based on adaptive visual and step length

LIU Yan-jun，JIANG Ming-yan

School of Information Science and Engineering，Shandong University，Jinan 250100，China

Received:2008-10-23 Revised:2009-01-05 Online:2009-09-01 Published:2009-09-01
Contact: LIU Yan-jun

摘要/Abstract

摘要： 在对人工鱼群算法的寻优机理进行深入的分析研究的基础上，提出了四种自适应人工鱼群算法，通过赋予人工鱼更多的智能，使每条人工鱼都能根据鱼群的状态自动地选择并适时调整自身的视野和步长，从而简化了参数设定，提高了收敛速度和寻优精度。实验结果表明，改进后的人工鱼群算法，在寻优精度、收敛速度及克服局部极值的能力方面均有提高。

关键词: 人工鱼群算法, 人工智能, 自适应, 优化

Abstract: Based on the analysis of the Artificial Fish Swarm Algorithm（AFSA），four adaptive methods are proposed to improve its convergence speed and its optimization precision.After given more artificial intelligence，the artificial fish are able to adjust their own visual and step length，so that the parameters can be designed simply.The simulation results show that the convergence speed and the optimization precision of the improved AFSA is better than that of AFSA.

Key words: artificial fish swarm algorithm, artificial intelligence, adaptive, optimization

中图分类号:

TP183

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.

LIU Yan-jun，JIANG Ming-yan. Improved artificial fish swarm algorithm based on adaptive visual and step length[J]. Computer Engineering and Applications, 2009, 45(25): 35-37.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[3]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[4]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[5]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[6]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[7]	曾春艳，严康，王志锋，余琰，纪纯妹. 深度学习模型可解释性研究综述[J]. 计算机工程与应用, 2021, 57(8): 1-9.
[8]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[9]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[10]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[11]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[12]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[13]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[14]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[15]	许小媛，李海波，黄黎. 云存储多异构文件联合延迟尾概率凸优化分析[J]. 计算机工程与应用, 2021, 57(5): 88-94.

自适应视野和步长的改进人工鱼群算法

Improved artificial fish swarm algorithm based on adaptive visual and step length

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics