文档介绍：精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
改进的人工鱼群算法
动修改其位置。该AFSA很简单，只需要一些算法参数进行调整。因此，AFSA吸引了众多来自不同领域的学者的关注。一般来说，在AFSA被证明是可以稳健快速的解决工程优化问题的方法[5-9]。 然而，作为一个新型的优化方法， AFSA仍处于起步阶段，并且进一步发展和研究是很必要的。例如，原始AFSA的优化精度和收敛速度并不令人满意，因为它仅使用本地和个人的信息搜索“更好的”的位置。 因此，为提高AFSA的性能，全局信息这个增量向量被添加进来是必要的。
3．IAFSA与增强的性能
人工鱼模型包括变量和行为函数。这些变量包括：X是当前的位置的AF，af_step是移动步长，af_visual是可视距离，try_number是尝试次数和AF_detal是拥挤因子，best_af是在全部范围内含有最高的食物的范围。AF的行为包括：AF_Prey，AF_Swarm，AF_Follow，AF_Move和AF_Evaluate[1] [5-9]。
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
为了提高AFSA，性能全局最好的AF信息被添加到AF的行为上。该行为在IAFSA实现如下：
（1）觅食行为（AF_Prey）：
设Xi是人工鱼的当前状态，并可视距离之内随机选择一个状态Xj ,Y=F(X)是人工鱼的食物浓度：
Xj= Xi+af_visual·Rand() （3）
如果Yj <Yi在极小的问题,它在Yj和Xbest_af方向的矢量和上前进一步，Xbest_af是所有AF区域的最佳状态。
否则，再次随机选择一个状态Xj判断是否满足前进要求。如果进行try_number次不能满足前进的要求，则人工鱼会随机移动一步;这可以帮助人工鱼逃离局部极值。
（2）聚群行为（AF_Swarm）：
设Xi是人工鱼的当前状态，Xc是人工鱼的中心位置，nf是人工鱼视野范围内的伙伴数量，如果Yc< Yi并且 Yc<(af_detal·Yi/nf),这意味着人工鱼的中心具有较低的适应度值并且周边环境不是很拥挤，然后人工鱼在Xc和Xbest_af方向的矢量和上前进一步。
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
（3）追尾行为（AF-Follow）:
设Xi是人工鱼的当前状态，人工鱼搜索它的邻域找到含有更小Yj，如果Yj<Yi并且Yj<af_detal·Yi/nf,这意味着人工鱼Xj具有较低的适应度值并且周边环境不是很拥挤，然后人工鱼Xi在Yj和Xbest_af方向的矢量和上前进一步。
（4）移动行为（AF_Move）:
人工鱼在视野范围内随机选择一个状态，之后朝着目标前进，这是人工鱼的违法行为。
（5）其它行为
IAFSA的其它行为例如跳跃行为和评价行为和AFSA是一样的。跳跃行为[5]的目的是为了增加跳出局部极值的可能。评价行为是基于对人工鱼环境的评价，并且帮助人工鱼选择一个合适的行为来执行。如果适应度函数值比给定的在跟新过程中的AFSA的阈值大（最小优化）则执行聚群行为。
IAFSA的程序
IAFSA的程序如下：
a. IAFSA的初始化参数
af_total, iterate_time, af_step, af_visual, af_delta, try_number, best_af
，对每个人工鱼进行评价并执行它的行为。
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
。
，则停止并显示结果，否则返回b.
为了客观评价性能演算法，三个基准测试函数都解决了并且通过IAFSA和原始的AFSA分别表现出来。所有的测试功能有很多本地局值，它分为为一个找到全局最优解的基本功能。
第一个测试函数的2个维度（2—D）,