基于全局最優(yōu)的快速人工魚群算法及其應用研究

人工魚群算法是一種有關動物行為的算法，這種算法具有一定的智能性，是最近幾年國內學者提出來的。這種人工魚群算法是從行為方面進行的主要研究，并對原來存在的問題進行解決。

【關鍵詞】人工魚群算法 優(yōu)化方法 群體智能

眾多實驗能夠證明，群體智能優(yōu)化的相關算法在很多問題的解決上都發(fā)揮了至關重要的作用，也得到了十分廣泛的應用。

1 人工魚群算法

1.1 魚群及其算法的基本思想

人工魚群算法主要依據(jù)的是魚群的行為啟發(fā)，在2002年被提出的一種有關動物行為的比較優(yōu)化的算法。一般情況下，一個范圍之內，魚群中的魚會跟隨群體中的其它成員一起找到食物比較多的地方。而通常情況下，一片水域范圍內食物最多的地方往往會有最多的魚群數(shù)目。根據(jù)這個特點，使用人工制作的魚對魚群的各種行為進行模擬，進而完成直線尋優(yōu)的目的。

1.2 人工魚模型

有關人工魚模型的算法使用的是基于animats的模式，設計采用的順序是從上到下的，因此先進行的步驟就是人工魚模型的建造。通常情況下使用的是面向對象的技術方式，并用會用C++語言的偽代碼形式來加以說明。人工魚一般的模型描述方式如下：

{

Various：

float AF_X[n]； //AFs position

float AF_step； //the distance that AF can moue for each step

float AF_visual； //the visual diatance of AF

float try_number； //attempt time in the behavior of prey

float AF_delta； //the condition of jamming

Functions：

float AF_foodconsistence（）； //the food consistence of AFs current position

float AF_move（）； //AF move to the next position

float AF_follow（）； //the behavior of follow

float AF_prey（）； //the behavior of prey

float AF_swarm（）； //the behavior of swarm

float AF_evaluate（）； //evaluate and select the behavior

float AF_init（）； //to initialize the AF

Aritificial_fish（）；

Virtual～Aritificial_fish（）；

}；

通過上述模型的設置，會讓人工魚相關信息能被同伴收到，并能將人工魚的一些行為規(guī)劃到種群類型之中，會在魚中間有所感知。

對人工魚個體的狀態(tài)表示通常表示為向量X=（x1，x2，x3……xn），其中xi （i=1，……，n ）表示要尋優(yōu)的變量；然后將人工魚處在環(huán)境的食物多少表示為 Y = f （ X），Y 代表目標函數(shù)值；人工魚個體之間的距離表示為dij= |Xi-Xj|；Step 表示人工魚移動的最長距離；δ表示和其他魚之家的擁擠情況。

1.2.1 聚群行為

有關人工魚的聚群行為可以用偽代碼形式加以說明，可以設人工魚當前狀態(tài)是Xi，要完成的任務是對周圍一定范圍內有伙伴的數(shù)目fn及中心位置Xc進行測量，要是得到的兩個數(shù)相比的比值小于δYi，則表示人工魚中心位置食物比較充足，也沒有很多同伴在周圍，然后可以向食物方向游動一次；如果情況相反那么就不執(zhí)行覓食行為。偽代碼描述如下：

float Artificial_fish：：AF_swarm（）

{

f n=0；Xc =0；

for（j=0；j

if（i ，dj< Visual）{nf ++；Xc +=Xj；}

else

AF_prey（）；

Return AF_foodconsistence（

i |next

X ）；

}

1.2.2 追尾行為

有關追尾行為同樣可以使用偽代碼方式進行表示，首先設人工魚當前狀態(tài)設置為Xi ，要完成的任務書要對一定范圍內的的伙伴數(shù)量Yj進行探索，其中最大的伙伴Xj的數(shù)量如果比擁擠度δ大，表明伙伴Xj周圍具食物比較充分，并且其周圍環(huán)境沒有很多同伴，于是應該執(zhí)行朝伙伴Xj的方向前進一步命令；如果得到的結果相反，就不執(zhí)行覓食行為。偽代碼描述如下：

float Artificial_fish：：AF_follow（）

{

Y max= ∞

for（j=0；j

if（i ，jd< Visual&&jY max> Y）

{ jmaxY = Y；jmaxX = X；}

fn =0；

for（j=0；j

if（max， jd< Visual）{fn ++；}

Else

AF_prey（）；

returnAF_foodconsistence（

i |nextX ）；

}

2 人工魚群算法在各領域的應用

2.1 電力系統(tǒng)規(guī)劃中的應用

在電力系統(tǒng)中人工魚群算法是通過禁忌搜索方式的使用，并對人工魚的一些行為加以改進，讓人工魚在游動完成各種位置的探索的時候具備一定的記憶能力。然后會將探索過的地方設置為記憶禁區(qū)，這樣能提高工作效率，最大程度上避免出現(xiàn)重復的搜索情況。并對搜索記憶中一些比較好的狀態(tài)加以標記，這樣能更好的確保搜索有更高的效率和更好的質量。

2.2 在多級梯階物流中轉的運輸系統(tǒng)中起優(yōu)化作用

在這個領域內應用人工魚群算法，要對變量的約束條件以及求解的精確程度進行重點考慮，要使需要求解的空間有離散化特性，使一個比較大的變量空間變成大小適中的網(wǎng)格，用人工魚群的相關計算形式能使各級的中轉站和網(wǎng)路點之間的關系更加明確，并能在一定程度上消除相鄰的兩級中轉站之間的約束條件，并利用對算法的改良使問題的優(yōu)化方式更容易使用。實踐中能夠看出，這種算法在多級梯階的運輸系統(tǒng)的問題處理上會得到很好的應用。

3 結束語

人工魚群算法根據(jù)自然界魚群的行為作為使用原理，通過不斷更新和升級會應用在更多領域中?？偠灾?，基于全局最優(yōu)的快速人工魚群相關算法在實際應用中十分實用，計算方式在各個領域中也能加以運用。

參考文獻

[1]潘海珠，杜曉昕，王波.基于人工魚群的交通誘導系統(tǒng)最優(yōu)查詢研究[J].齊齊哈爾大學學報（自然科學版），2012（05）.

[2]胡青，孫才新，杜林，李劍.核主成分分析與隨機森林相結合的變壓器故障診斷方法[J].高電壓技術，2010（07）.

[3]符楊，田振寧，江玉蓉，曹家麟.加權模糊核聚類法在電力變壓器故障診斷中的應用[J].高電壓技術，2010（02）.

[4]王聯(lián)國，洪毅，趙付青，余冬梅.一種簡化的人工魚群算法[J].小型微型計算機系統(tǒng)，2009（08）.

作者簡介

郭榮艷（1977-），女，河南省周口市人。碩士學位。現(xiàn)為周口師范學院副教授。主要研究方向為信號與信息處理。

史水娥，現(xiàn)供職于河南師范大學。

作者單位

1.周口師范學院 河南省周口市 466001

2.河南師范大學 河南省新鄉(xiāng)市 453007