双自适应人工鱼群优化算法

徐建波; 戴月明; 严大虎

Chinese

您当前的位置：

首页 >

文章列表页 >

双自适应人工鱼群优化算法

更新时间：2026-09-04

- 双自适应人工鱼群优化算法
- Double Adaptive Artificial Fish Swarm Optimization Algorithm
- 微电子学与计算机 2018年35卷第4期页码：53-57
- 作者机构：
  
  1. 江南大学物联网工程学院,江苏,无锡,214122
  2. 江南大学人文学院,江苏,无锡,214122
- 作者简介：
- 基金信息：
  
  江苏省产学研联合创新资金-前瞻性联合研究项目 BY2016022-24
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
徐建波, 戴月明, 严大虎. 双自适应人工鱼群优化算法[J]. 微电子学与计算机, 2018, 35(4): 53-57.

XU Jian-bo, DAI Yue-ming, YAN Da-hu. Double Adaptive Artificial Fish Swarm Optimization Algorithm[J]. 2018, 35(4): 53-57.
徐建波, 戴月明, 严大虎. 双自适应人工鱼群优化算法[J]. 微电子学与计算机, 2018, 35(4): 53-57. DOI：

XU Jian-bo, DAI Yue-ming, YAN Da-hu. Double Adaptive Artificial Fish Swarm Optimization Algorithm[J]. 2018, 35(4): 53-57. DOI：

摘要

针对人工鱼群算法在函数优化中存在易陷入局部最优、后期收敛速度过慢及寻优精度低等问题

提出了双自适应人工鱼群优化算法.该算法结合基于冯诺依曼拓扑结构的高斯变异自适应人工鱼群算法和引入惯性权重的自适应人工鱼群算法

在相同的自适应调整视野和步长方法下进行迭代寻优.同时引入人工鱼群交流机制

更好地平衡了全局搜索与局部搜索之间的关系.仿真实验表明

该算法有效地提高了寻优质量并且避免了人工鱼群出现早熟的现象.

Abstract

The Artificial Fish Swarm Algorithm has some disadvantages such as falling into local optimum easily

slow convergence rate and low search accuracy. To solve these problems

this paper proposed a double adaptive artificial fish swarm optimization algorithm. Combining gauss mutation adaptive artificial fish swarm algorithm based on Von-neumann neighborhood and an adaptive artificial fish swarm algorithm with inertial weight

the algorithm uses same way that adapt visual and step adaptively to find the optimal solution. At the same time

the artificial fish swarm communication mechanism is introduced. This approach can keep balance between global exploration and local exploration. The simulation results show that the algorithm can effectively improve the quality of the search and avoid the phenomenon of precocious fish.

关键词

Keywords

references

王联国, 洪毅, 施秋红. 全局版人工鱼群算法[J]. 系统仿真学报, 2009, 21(23): 7483-7486, 7502. DOI: 7483

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. DOI: 32

王联国, 洪毅, 赵付青, 等. 一种改进的人工鱼群算法[J]. 计算机工程, 2008, 34(19): 192-194. DOI: 192

Zhehuang H, Yidong C. Log-Linear model based on behavior selection method for artificial fish swarm algorithm[J]. Computational Intelligence and Neuroscience, 2015(1): 1-10. DOI: 1

朱旭辉, 倪志伟, 程美英. 变步长自适应的改进人工鱼群算法[J]. 计算机科学, 2015, 42(2): 210-216, 246. DOI: 210

王联国, 洪毅. 基于冯·诺依曼邻域结构的人工鱼群算法[J]. 控制理论与应用, 2010, 27(6): 775-780. DOI: 775

刘彦君, 江铭炎. 自适应视野和步长的改进人工鱼群算法[J]. 计算机工程与应用, 2009, 45(25): 35-37, 47. DOI: 35

廖孝勇, 李尚键, 孙棣华, 等. 一种基于膜计算的改进人工鱼群算法[J]. 小型微型计算机系统, 2014, 35(5): 1142-1146. DOI: 1142

Yanbin G, Lianwu G, Tingjun W. Triaxial accelerometer error cofficients identification with a novel artificial fish swarm algorithm[J]. Journal of Sensors, 2015(1): 1-17. DOI: 1

陈广洲, 汪家权, 李传军, 等. 一种改进的人工鱼群算法及其应用[J]. 系统工程, 2009, 27(12): 105-110. DOI: 105

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多尺度融合与小目标增强的航拍车辆检测算法

低功耗设计的双链电源关断策略的实现与验证

V型沟槽SiC中子探测器的蒙特卡洛分析

一种基于特征上下文理解与切片分析的肺结核检测算法

注意力机制与改进密集卷积引导的信息隐藏模型