基于全局最优的快速人工鱼群算法及其应用研究

基于单纯形的改进全局人工鱼群优化算法彭培真;俞毅;王兆嘉;蒋珉【期刊名称】《计算机技术与发展》【年(卷),期】2015(25)8【摘要】文中主要研究人工鱼群算法( AFSA)的优化问题。

针对全局人工鱼群算法后期收敛速度慢、寻优精度低等缺点，在全局人工鱼群算法(GAFSA)的基础上，提出了一种改进的人工鱼群算法(MS GAFSA)。

该算法通过将全局人工鱼群算法与改进单纯形法相结合，以改善算法的收敛速度和寻优精度。

MS GAFSA首先以GAFSA进行迭代，利用GAFSA前期快速收敛及跳出局部最优值的优点收敛至全局最优点附近，此时以所在点为起点构造单纯形，并切换到改进单纯形法继续优化，通过反射、扩张、收缩和紧缩将单纯形翻滚、变形，快速收敛并趋近最优点，直至满足一定的精度条件停止，取此时单纯形上最优顶点值为目标函数最优值。

通过对一系列benchmark测试函数的计算和比较，证明了该方法确实在寻优精度、收敛速度方面均有提升。

%In order to overcome the drawbacks of Global Artificial Fish Swarm Algorithm ( GAFSA) ,such as slow convergence andlow precision optimization,a modified GAFSA ( MS GAFSA) is proposed,in which the modified simplex method is adopted to improve con-vergence precision and convergence rate. For GAFSA has a faster convergence in optimization of the early and the ability to recognize the local optimum value,a simplex is constructed based on the minimum given by GAFSA when the convergence turned to the stable point. Make the simplex move and roll by reflection,expansion and contraction. Compared the values ofthe simplex’ s vertexes,constructing a new simplex by the trend of function,and repeating the process till the result is accurate enough. The computational results on benchmark functions show that MS GAFSA achieves higher performance,including convergence precision and convergence rate.【总页数】5页(P75-79)【作者】彭培真;俞毅;王兆嘉;蒋珉【作者单位】东南大学自动化学院复杂工程系统测量与控制教育部重点实验室，江苏南京 210096;东南大学自动化学院复杂工程系统测量与控制教育部重点实验室，江苏南京 210096;东南大学自动化学院复杂工程系统测量与控制教育部重点实验室，江苏南京 210096;东南大学自动化学院复杂工程系统测量与控制教育部重点实验室，江苏南京 210096【正文语种】中文【中图分类】TP202+.7【相关文献】1.基于改进全局人工鱼群算法的VRPSPDTW研究 [J], 黄务兰;张涛2.基于单纯形法的改进型人工鱼群算法 [J], 张红霞;罗毅;师瑞峰3.一种基于人工鱼群和文化算法的新型混合全局优化算法 [J], 刘凌子;周永权4.基于单纯形梯度的多起点全局优化算法 [J], 刘二涛;刘红卫;刘泽显5.基于改进人工鱼群优化算法的超声信号稀疏分解 [J], 齐爱玲;马宏伟;刘涛因版权原因，仅展示原文概要，查看原文内容请购买。

人工鱼群算法及其应用研究人工鱼群算法及其应用研究人工鱼群算法是近年来兴起的一种基于群体智能的优化算法，其灵感来源于鱼群觅食行为。

该算法通过模拟鱼群的觅食行为，以求解复杂的优化问题。

随着计算机技术的发展，人工鱼群算法受到广泛关注，并在多个领域得到应用。

本文将介绍人工鱼群算法的基本原理、应用情况以及存在的问题。

一、人工鱼群算法的基本原理人工鱼群算法中，鱼被模拟成具有觅食行为的个体，每条鱼都有一定的感知范围和特定的行为规则。

在觅食过程中，鱼会根据周围环境的信息对个体与群体的行为进行调整。

个体的行为规则包括觅食、逃避、追逐和交配等行为。

觅食行为主要包括鱼群个体的聚集和分散。

在算法中，每条鱼可以表示为一个解，将每个解表示为一个向量，向量的每个元素表示解的一个变量。

算法根据目标函数的值来评估每条鱼的适应度。

同时，算法会根据适应度值和鱼群中的信息进行个体的移动和调整。

通过多次迭代，鱼群逐渐趋于最佳解。

二、人工鱼群算法的应用研究人工鱼群算法在各个领域的应用研究日趋广泛。

以下将介绍几个典型的应用案例：1.优化问题求解人工鱼群算法在数学优化问题中有着广泛的应用。

例如，对于线性规划问题，可以将每个变量看作一条鱼进行建模，通过人工鱼群算法进行求解。

此外，该算法还被应用于网络流优化、组合优化、约束优化等多个领域的问题求解中，取得了较好的效果。

2.图像处理人工鱼群算法在图像处理中具有较强的适用性。

例如，在图像分割中，人工鱼群算法可以通过调整参数来达到图像分割的最佳效果。

此外，该算法还能够用于图像去噪、图像压缩等多个图像处理任务中。

3.路径规划人工鱼群算法在路径规划问题中的应用也较为广泛。

例如，对于无人驾驶车辆的路径规划问题，可以将人工鱼群算法应用于规划车辆的最短路径，并考虑到实时交通状况进行调整。

此外，该算法还可用于无线传感器网络中的路径规划问题、机器人的运动路径规划等多个领域。

三、人工鱼群算法存在的问题虽然人工鱼群算法在诸多领域有着广泛的应用，但也存在一些问题亟需解决。

基于人工鱼群算法的图像配准的研究与实现的开题报告一、研究背景图像配准是图像处理中的一个重要环节，它主要对不同视角拍摄的图像进行精确对位，以达到重建、合成等目的。

在实际应用中，图像配准涉及到图像模型、算法选择、精度要求等问题，且复杂度高、计算量大。

人工鱼群算法是一种模拟自然界鱼群觅食行为的算法，其优点在于全局寻优能力强、计算速度快、适应性强，已在多个领域得到广泛应用。

基于此，本研究将人工鱼群算法应用于图像配准领域，探索其在该领域中的适用性和优越性。

二、研究目的本研究的主要目的是基于人工鱼群算法实现图像配准，具体研究内容包括：1.分析图像配准中存在的问题及其重要性；2.介绍人工鱼群算法基本原理和相关应用；3.设计并实现基于人工鱼群算法的图像配准方法；4.进行实验验证并对其算法效率和稳定性进行评估。

三、研究内容1.图像配准中存在的问题及其重要性（1）图像配准是实现数字图像复现、增强、融合等应用的前提条件；（2）图像配准应用范围广泛，如医学影像、无人机成像、天文学等。

（3）图像配准存在的问题包括图像失真、几何形变等，需要通过算法实现精确对齐。

2.人工鱼群算法基本原理和相关应用（1）人工鱼群算法的基础是对鱼群觅食行为的模拟，包括游动、觅食和逃避等行为。

（2）人工鱼群算法的应用范围广泛，如优化问题求解、机器学习等。

3.设计并实现基于人工鱼群算法的图像配准方法（1）使用人工鱼群算法实现图像相似度度量优化，提高算法精度。

（2）结合灰度共生矩阵、互信息等方法实现图像特征提取。

（3）采用灰度变换等方法实现图像配准。

4.实验验证并对其算法效率和稳定性进行评估（1）使用Matlab或Python等工具进行实验验证。

（2）通过评估算法效率和稳定性等指标，验证其在图像配准中的优越性。

四、研究意义本研究的意义在于：1.探索基于人工鱼群算法的图像配准方法，提高图像配准的精度和速度。

2.为医学影像、无人机成像、天文学等领域的图像配准提供理论和实践支持。

基于人工鱼群算法的路径规划技术研究引言：随着科技的发展，机器人技术越来越成熟，机器人在生产、治疗、教育等领域已经有了广泛的应用。

路径规划是机器人技术中的一个重要问题，这涉及到机器人的行动能力和自主性。

为了改进机器人的路径规划技术，人工鱼群算法应运而生。

一、人工鱼群算法简介人工鱼群算法（AFSA）是一种基于群体智能的仿生算法，是模拟鱼群觅食的行为规律，抽象出来的一种算法。

AFSA模拟鱼在进行觅食时的行为，鱼的行动受到周围环境的影响，但同时又能感知到食物的存在，从而达到寻找食物的目的。

二、人工鱼群算法在路径规划中的应用路径规划是指在给定的起点和终点之间，找到一条合适的路径，其难点在于避开障碍物，同时保证得到的路径尽可能短。

而基于人工鱼群算法的路径规划技术则是将多个智能体（鱼）作为一个整体进行考虑，以群体的方式进行路径规划。

在人工鱼群算法中，智能体之间以某一规则进行交流和协作，不断调整路径规划过程中的行动，以达到最佳的路径规划效果。

在这个过程中，每个智能体都可以通过学习来适应新的环境，从而更好地完成任务。

三、人工鱼群算法路径规划技术的优势相对于其他路径规划算法，人工鱼群算法具有较大的优势。

首先，人工鱼群算法是一种启发式算法，它能够寻找所有可能的路径，并找到其中最优的一条。

其次，与其他优化算法相比，人工鱼群算法不用一个个地比较各种方案，而是通过协调智能体间的关系，让整个系统自动寻找最优路径。

同时，人工鱼群算法可以很好地解决路径规划过程中的局部最优问题，提高了路径规划的全局最优性。

最后，人工鱼群算法是一种分布式算法，因此具有较好的可扩展性。

四、结论基于人工鱼群算法的路径规划技术是机器人技术领域中的一项重要工作。

本文对人工鱼群算法的基本原理进行了介绍，并阐述了人工鱼群算法在路径规划中的应用，以及其所具有的优势。

在今后的机器人技术中，人工鱼群算法将起到更加重要的作用，不断推动机器人技术的发展。