AFSA与改进FSOA相结合的优化方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (31): 57-62.

AFSA与改进FSOA相结合的优化方法

邓辉，王勇，陈士亮

广西民族大学数学与计算机科学学院，南宁 530006

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-01 发布日期:2011-11-01

Optimization approach combining AFSA with improving FSOA

DENG Hui，WANG Yong，CHEN Shiliang

College of Mathematics and Computer Science，Guangxi University for Nationalities，Nanning 530006，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-01 Published:2011-11-01

摘要/Abstract

摘要： 提出一种采用AFSA和改进FSOA相融合的混合优化方法。该优化方法在寻优过程中交替使用AFSA和改进FSOA优化方法，使用AFSA来搜索局部最优域，使用改进FSOA优化方法来加快算法收敛速度和提高优化精度。实验仿真结果表明，该优化算法具有收敛速度快、优化精度高、全局寻优能力强、算法稳定性好等特点，对于求解高维复杂函数的优化问题是有效的和可行的。

关键词: 人工鱼群算法（AFSA）, 改进捕鱼策略优化方法, 优化方法

Abstract: A hybrid optimazation approach which is combined the Artificial Fish School Algorithm（AFSA） with the improving Optimization Approach on using Fishing Strategy（FSOA） is presented in this paper.The main idea of this hybrid optimization method is that AFSA and improving FSOA are used alternating in the sequence of operations for searching the global optimal solution，that AFSA is used to find the local optimal domain and improving FSOA is made use of improving the accurate numerical solution and accelerating the convergence rate.It shows from the optimization experimental results that the optimization approach has the performances of rapid convergence rate，high accurate numerical solution，robust in solving global optimal solution，and good stability.So the optimization algorithm is effective and feasible in solving high dimension and complex function’ optimization problems.

Key words: Artificial Fish School Algorithm（AFSA）, improving Optimization Approach on using Fishing Strategy（FSOA）, optimization approach

邓辉，王勇，陈士亮. AFSA与改进FSOA相结合的优化方法[J]. 计算机工程与应用, 2011, 47(31): 57-62.

DENG Hui，WANG Yong，CHEN Shiliang. Optimization approach combining AFSA with improving FSOA[J]. Computer Engineering and Applications, 2011, 47(31): 57-62.

[1]	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.
[2]	刘兵兵1，周伟平1，沈玲2. 灰色线性双层指派问题的智能全局优化方法[J]. 计算机工程与应用, 2016, 52(8): 38-42.
[3]	沈玲1，曾强2，宋红娜2，吴立云2. 望目特性连续型参数稳健设计遗传优化方法[J]. 计算机工程与应用, 2013, 49(23): 215-220.
[4]	唐立力. 基于ELMC的蛋白质折叠识别方法[J]. 计算机工程与应用, 2013, 49(10): 114-117.
[5]	吕品1，2，3，钟珞1，蔡敦波2，3. 融合特征选取和学习策略的支持向量机研究[J]. 计算机工程与应用, 2012, 48(32): 140-146.
[6]	何德牛，王勇，管忆军. 采用随机探测的改进FSOA[J]. 计算机工程与应用, 2011, 47(36): 44-46.
[7]	倪晓军，李培根，邹刚. 势能记忆梯度优化的协同模式分类方法[J]. 计算机工程与应用, 2011, 47(36): 211-214.
[8]	曾菊玲. OFDM的AMC/ARQ跨层设计及优化[J]. 计算机工程与应用, 2011, 47(30): 105-108.
[9]	陈士亮1，王勇1，陈建荣2. 一种采用随机探测策略的改进FSOA[J]. 计算机工程与应用, 2011, 47(26): 49-52.
[10]	王海涛¹，丁宣浩^1，2. 双正交小波滤波器组的提升构造与优化[J]. 计算机工程与应用, 2010, 46(8): 137-140.
[11]	文元桥¹，周春辉². 基于ArcSDE的空间拓扑关系连接方法研究[J]. 计算机工程与应用, 2010, 46(5): 117-119.
[12]	陈建荣,王勇. 采用捕鱼策略的优化方法[J]. 计算机工程与应用, 2009, 45(9): 53-56.