《计算机应用研究》|Application Research of Computers

对精英加速的改进人工鱼群算法

Improved artificial fish swarm algorithm to accelerate elite

免费全文下载 (已被下载 次)  
获取PDF全文
作者 李君,梁昔明
机构 北京建筑大学 理学院,北京 102600
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2018)07-1960-05
DOI 10.3969/j.issn.1001-3695.2018.07.008
摘要 人工鱼群算法是一种群智能全局随机优化算法,存在算法收敛精度低和效率差的缺点。为克服这一缺点,利用最速下降法具有运算简单、运算速度较快的特点,提出了对精英加速的改进人工鱼群算法。该算法利用最速下降法对适应度值最好的人工鱼进行更新,通过人工鱼之间信息交换指导其他人工鱼,提高鱼群整体水平,加快人工鱼群算法收敛速度。数值实验结果表明,所得改进人工鱼群算法不仅运算量减少,而且具有更快的收敛速度和更高的收敛精度。改进算法提高收敛精度和运算效率,相较其他算法具有一定的优势。
关键词 人工鱼群算法;最速下降法;数值实验;适应度函数
基金项目 国家自然科学基金资助项目(61463009)
北京市自然科学基金资助项目(4122022)
中央支持地方科研创新团队项目(PXM2013-014210-000173)
本文URL http://www.arocmag.com/article/01-2018-07-008.html
英文标题 Improved artificial fish swarm algorithm to accelerate elite
作者英文名 Li Jun, Liang Ximing
机构英文名 SchoolofScience,BeijingUniversityofCivilEngineering&Architecture,Beijing102600,China
英文摘要 Artificial fish swarm algorithm is a swarm intelligence global stochastic optimization algorithm, its disadvantages are poor local search capability and low efficiency. The steepest descent method has the advantages of simple operation and fast computation speed. This paper proposed an improved artificial fish swarm algorithm to accelerate the elite. This algorithm used steepest descent method to update artificial fish with the best fitness value, through exchange of information between fishes guide other artificial fishes, improved the overall level of fish swarm, accelerated the convergence rate of artificial fish swarm algorithm. Numerical test results show that, the improved artificial fish swarm algorithm not only reduces the computational complexity, but also has a faster convergence rate and a higher convergence precision. The improved algorithm improves the convergence precision and computational efficiency, and has some advantages compared with other algorithms.
英文关键词 artificial fish swarm algorithm(AFSA); steepest descent method; numerical experiment; fitness function
参考文献 查看稿件参考文献
  [1] 李晓磊. 一种新型的智能优化算法——人工鱼群算法[D] . 杭州:浙江大学, 2003.
[2] 李晓磊, 邵之江, 钱积新. 一种基于动物自治体的寻优模式:鱼群算法[J] . 系统工程理论与实践, 2002, 22(11):32-38.
[3] 江铭炎, 袁东风. 人工鱼群算法及其应用[M] . 北京:科学出版社, 2012:20.
[4] 于飞, 张秋亮, 王智慧. 基于人工鱼群算法的研究与改进[J] . 中国电力教育, 2007(s3):234-237.
[5] 王培崇, 李丽荣, 高文超, 等. 应用佳点集的混合反向学习人工鱼群算法[J] . 计算机应用研究, 2015, 32(7):1992-1995.
[6] 吉鹏飞, 齐建东, 朱文飞. 改进人工鱼群算法在Hadoop作业调度算法的应用[J] . 计算机应用研究, 2014, 31(12):3572-3574, 3579.
[7] 任克强, 高晓林, 谢斌. 基于AFSA和PSO融合优化的AdaBoost人脸检测算法[J] . 小型微型计算机系统, 2016, 37(4):861-865.
[8] 刘文礼, 陶佰睿, 张景林, 等. 基于广义高斯随机混沌算法的AFSA在WSN覆盖中的研究[J] . 计算机应用研究, 2015, 32(5):1475-1479.
[9] 袁野, 杨红雨, 羽翼, 等. 人工鱼群—粒子群混合算法优化进港航班排序[J] . 计算机应用研究, 2014, 31(3):663-666.
[10] 王明鸣, 孟相如, 李纪真, 等. 基于着色树优化的网络并发链路故障快速恢复方法[J] . 计算机应用研究, 2015, 32(6):1822-1825.
[11] 高雷阜, 高晶, 赵世杰. 人工鱼群算法优化SVR的预测模型[J] . 统计与决策, 2015(7):13-16.
[12] Zhang Jiang, Nie Guojiang, Li Shouju. Study on mathematical model of confined transportation of coal auger and simulation[J] . Meitan Xuebao/Journal of the China Coal Society, 2013, 38(S1):231-235.
[13] 马骊, 李阳, 樊锁海. 改进人工鱼群算法在外汇预测和投资组合中的应用[J] . 系统工程理论与实践, 2015, 35(5):1256-1266.
[14] 龚波, 曾飞艳. 一种改进人工鱼群算法对BP神经网络的优化研究[J] . 湖南科技大学学报:自然科学版, 2016, 31(1):86-90.
[15] 郭海湘, 刘嫣然, 杨娟, 等. 煤矿物资配送车辆路径问题的人工鱼群算法[J] . 系统管理学报, 2012, 21(3):341-351.
[16] Li Xiaohua. Parameter optimization of lowest secondary crushing rate for coal auger based on artificial fish school algorithm[J] . Meitan Xuebao/Journal of the China Coal Society, 2011, 36(2):346-350.
[17] Jiang Mingyan, Wang Yong, Pfletschinger S, et al. Optimal multiuser detection with artificial fish swarm algorithm[C] //Proc of the 3rd International Conference on Intelligent Computing. Berlin:Springer, 2007:1084-1093.
[18] 杨淑莹, 张桦. 群体智能与仿生计算——MATLAB技术实现[M] . 北京:电子工业出版社, 2014:208.
[19] 马昌凤. 最优化方法及其MATLAB程序设计[M] . 北京:科学出版社, 2010:42.
[20] 王联国, 施秋红. 人工鱼群算法[M] . 北京:中国农业出版社, 2014:22.
[21] Shi Yuhui, Eberhart R C. Fuzzy adaptive particle swarm optimization[C] //Proc of Congress on Evolutionary Computation. Piscataway, NJ:IEEE Press, 2001:101-106.
收稿日期 2017/2/27
修回日期 2017/4/19
页码 1960-1964,1981
中图分类号 TP301.6
文献标志码 A