求解约束化问题的人工鱼群算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (3): 40-40.

求解约束化问题的人工鱼群算法

王锡淮郑晓鸣肖健梅

上海海运学院

收稿日期:2006-01-25 修回日期:1900-01-01 出版日期:2007-01-21 发布日期:2007-01-21
通讯作者: 肖健梅

Artificial Fish-Swarm Algorithm for Solving Constrained Optimization Problems

JianMei Xiao

Received:2006-01-25 Revised:1900-01-01 Online:2007-01-21 Published:2007-01-21
Contact: JianMei Xiao

摘要/Abstract

摘要： 在利用人工鱼群算法求解约束问题时，处理好约束条件是取得好的优化效果的关键。本文引入了半可行域的概念，并结合人工鱼群算法（Artificial Fish-Swarm Algorithm, AFSA）本身的特点，设计了基于竞争选择和惩罚函数的适应度函数，从而得到了一个利用ASFA算法求解约束优化问题的新的进化算法。实验证明了算法的有效性。

关键词: 约束优化问题, 人工鱼群算法, 半可行域, 竞争原则

Abstract: In trying to solve constrained optimization problems by artificial fish-swarm algorithm (AFSA), the way to handle the constrained conditions is the key factor for success. In this paper, we introduced the concept of semi-feasible region. Making use of characteristics of artificial fish-swarm algorithm, we designed the fitness function of evolutionary algorithm, which is based on tournament selection and penalty function. Then a new method is proposed, which means using the AFSA to solve constrained optimization problems. Numerical experiments demonstrate the effect of the method.

Key words: constrained optimization problems, artificial fish-swarm algorithm, semi-feasible region, tournament selection

王锡淮郑晓鸣肖健梅. 求解约束化问题的人工鱼群算法[J]. 计算机工程与应用, 2007, 43(3): 40-40.

JianMei Xiao. Artificial Fish-Swarm Algorithm for Solving Constrained Optimization Problems[J]. Computer Engineering and Applications, 2007, 43(3): 40-40.

[1]	王贞, 支俊阳, 李旭飞, 崔轲轲. 求解约束优化问题的复合人工蜂群算法[J]. 计算机工程与应用, 2022, 58(3): 100-111.
[2]	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.
[3]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[4]	邹德龙，王宝华. 一种混合优化算法面向高维函数优化的研究[J]. 计算机工程与应用, 2019, 55(20): 122-127.
[5]	姚凌波，戴月明，王艳. 反向自适应高斯变异的人工鱼群算法[J]. 计算机工程与应用, 2018, 54(1): 179-185.
[6]	王家海，陈煜. 数据驱动的Job Shop生产调度知识挖掘及优化[J]. 计算机工程与应用, 2018, 54(1): 264-270.
[7]	陈志旺1，黄兴旺2，陈志兴3，赵子铮2，黄丽芳4. 区间多目标优化非支配排序云模型算法[J]. 计算机工程与应用, 2017, 53(22): 143-149.
[8]	徐新林，胡中波，何先平，苏清华. 自适应变异尺度系数和混合选择的回溯搜索算法[J]. 计算机工程与应用, 2017, 53(17): 6-13.
[9]	卢向华，舒云星. 改进AFSA算法优化SVM的变压器故障诊断[J]. 计算机工程与应用, 2017, 53(17): 173-179.
[10]	黄务兰1，2，张涛1，3. 基于改进全局人工鱼群算法的VRPSPDTW研究[J]. 计算机工程与应用, 2016, 52(21): 21-29.
[11]	刘云连1，2，伍铁斌3，王俊年2，周桃云1，成运1. 改进罚函数法与蝙蝠算法在约束优化中的应用[J]. 计算机工程与应用, 2015, 51(9): 62-67.
[12]	李迎1，张璟1，2，虎群1，李军怀1，2. 人工鱼群算法在虚拟机分配中的应用[J]. 计算机工程与应用, 2015, 51(4): 22-28.
[13]	王冲，雷秀娟. 一种融合免疫接种机制的改进鱼群聚类算法[J]. 计算机工程与应用, 2015, 51(3): 138-142.
[14]	王俊年1，刘云连1，2，伍铁斌3. 改进的约束优化多目标遗传算法及工程应用[J]. 计算机工程与应用, 2015, 51(3): 247-253.
[15]	费腾，张立毅，陈雷. 配送中心选址问题的BFO-AFSA算法研究[J]. 计算机工程与应用, 2015, 51(23): 1-5.