猴群空翻机制作用下的自适应人工鱼群算法
徐建波+戴月明+严大虎
摘要：
针对人工鱼群算法在函数优化中存在陷入局部最优、后期收敛速度过慢及人工鱼群寻优精度低等问题，对动态分组方案的人工鱼群算法进行了研究，提出一种新的自适应人工鱼群算法。该算法利用猴群算法中的空翻行为替代鱼群的聚群和追尾行为，同时引入模糊函数，自适应调整鱼群算法的视野及步长，提高了算法的运行效率，更好地平衡了全局搜索与局部搜索之间的关系。算法在后期避免提前收敛，能够快速跳出局部最优位置，保证了寻优质量。仿真实验表明，该算法明显优于基于动态分组方案的人工鱼群算法，有效提高了寻优精度和寻优质量，避免了人工鱼群的早熟现象。
关键词：人工鱼群算法；优化；猴群空翻；自适应；全局搜索
DOIDOI：10.11907/rjdk.172186
中图分类号：TP312
文献标识码：A文章编号文章编号：16727800（2018）001006404
Abstract：The Artificial Fish Swarm Algorithm （AFSA） in function optimization problems has some defectives such as falling into local optimum value converging slowly in the later period and lower fish accuracy. This paper proposed a new adaptive artificial fish swarm algorithm on the basis of dynamic dividing plan of adapting artificial fishswarm algorithm（DTAFSA）. The algorithm uses the somersault behavior in the monkey algorithm to replace the clustering and trailing behavior of the artificial fish swarm algorithm. At the same time， the fuzzy function is used to adjust the field of view and the step size of the fish swarm algorithm， and the operation efficiency of the algorithm is improved to a great extent. Better balance the relationship between global search and local search， so that the algorithm in the late to avoid advance convergence， can quickly jump out of the local optimal position， to ensure the quality of the search. The simulation results show that this algorithm is superior to the artificial fish swarm algorithm based on dynamic dividing plan， at the same time， keeping the accuracy and quality of fish to avoid earlymaturing.
Key Words：artificial fish swarm algorithm； optimization； somersault； adaptive； global search
0引言
李曉磊[1]在2002年首次提出的人工鱼群算法AFSA（Artificial Fish Swarm Algorithm），源于对鱼群运动行为的研究，是一种新型的智能仿生优化算法，具有较强的鲁棒性、优良的分布式计算机制、易于和其它方法结合等优点。该算法对初始值具有不敏感性，收敛速度快、全局搜索性能好。近几年，AFSA算法已经在数据挖掘、图像分析、时变系统的在线辨识、故障诊断等各类组合优化问题中取得较好效果。
但AFSA算法存在易陷入局部极值、搜索精度不高、收敛速度过慢以及算法运行后期盲目性较大等缺点，对此研究者提出了很多改进方法，如文献[2]中提出的将粒子群算法中的粒子飞行速度和线性惯性权重引入到鱼群算法中，加快了收敛速度，提高了寻优精度，但在多样性方面还有待提高。文献[34]均提出了采用自适应方法调整行为参数，提高了寻优精度及收敛速度，但此类方法易陷入局部最优，不能增加人工鱼群的多样性。文献[5]提出了全局版人工鱼群算法，提高了运算速度，但目标的寻优精度有待提高。文献[67]则将高斯变异和柯西变异引入算法中，以期提高算法性能，其寻优精度和收敛速度在一定程度上得到了提高，但算法的局部开发能力还需进一步完善。文献[8]提出了一种基于人工鱼群算法的动态模糊聚类算法，该算法克服了聚类有效性对高维样本空间分布的依赖性，提高了效率，但人工鱼的多样性还有待提高。文献[9]提出了基于社会学习机制的改进人工鱼群算法，该算法提高了群体多样性，在一定程度上跳出了局部极值能力，但寻优质量还有待改善。
针对上述研究存在的不足，本文提出了猴群空翻机制作用下的自适应人工鱼群算法MRAAFSA （Adaptive artificial fish swarm algorithm based on monkey somersault）。该算法在基于动态分组方案的人工鱼群算法[10]基础上，引入猴群算法的空翻行为替代鱼群算法的聚群与追尾行为，并利用模糊函数对鱼群的视野和步长进行自适应调整，从而提升算法的全局搜索能力，避免陷入局部最优。模糊函数的自适应策略，根据迭代进化次数自适应地调整人工鱼的视野范围和步长。实验结果表明，MRAAFASA算法较好地平衡了全局搜索和局部搜索的矛盾，在保证寻优精度的同时寻优质量也有明显提高。
5结语
本文提出的猴群空翻机制作用下的自适应人工鱼群算法MRAAFSA，针对文献[10]提出的DTAFSA算法，为进一步提高算法的搜索精度与速度，利用猴群算法中的猴空翻行为替代聚群和追尾行为，使搜索速度加快，增加了算法搜索到最优解可能性。引入基于反正切函数的自适应策略，根据迭代进化次数调整人工鱼的视野范围和步长。实验结果表明，MRAAFASA算法较好地平衡了全局搜索和局部搜索之间的矛盾，在保证寻优精度的同时寻优质量也有明显提高，早熟现象出现的可能性降低。
参考文献：
[1]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）：3238.
[2]梁毓明，裴兴环.粒子群优化人工鱼群算法[J].计算机仿真， 2016（6）：213281.
[3]易正俊，韋磊鹏，袁玉兴.自适应重生鱼群优化算法[J].计算机应用与软件，2016，33（6）：227276.
[4]唐莉，张正军，王俐莉.人工鱼群算法的改进[J].计算机技术与发展，2016，26（11）：10053751.
[5]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）： 74837502.
[6]ZHEHUANG H， YIDONG C. LogLinear model based on behavior selection method for artificial fish swarm algorithm[J]. Computational Intelligence and Neuroscience， 2015（1）：110.
[7]YANBIN G， LIANWU G， TINGJUN W. Triaxial accelerometer error cofficients identification with a novel artificial fish swarm algorithm[J]. Journal of Sensors， 2015（1）：117.
[8]刘白，周永权，谢竹诚.基于人工鱼群算法的动态模糊聚类[J].计算机应用，2009，29（6）：15691571.
[9]郑延斌，刘晶晶，王宁.基于社会学习机制的改进人工鱼群算法[J].计算机应用，2013，33（5）：13051329.
[10]李会，张天丽，陶佰睿，等.动态分组方案的自适应人工鱼群算法[J].计算机工程应用，2013，49（8）：5862.
[11]ZHAO R Q，TANG W S. Monkey algorithm for global numerical optimization[J].Journal of Uncertiain Systems，2008，2（3）：165176.
[12]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）：210246.
（责任编辑：杜能钢）
摘要：
针对人工鱼群算法在函数优化中存在陷入局部最优、后期收敛速度过慢及人工鱼群寻优精度低等问题，对动态分组方案的人工鱼群算法进行了研究，提出一种新的自适应人工鱼群算法。该算法利用猴群算法中的空翻行为替代鱼群的聚群和追尾行为，同时引入模糊函数，自适应调整鱼群算法的视野及步长，提高了算法的运行效率，更好地平衡了全局搜索与局部搜索之间的关系。算法在后期避免提前收敛，能够快速跳出局部最优位置，保证了寻优质量。仿真实验表明，该算法明显优于基于动态分组方案的人工鱼群算法，有效提高了寻优精度和寻优质量，避免了人工鱼群的早熟现象。
关键词：人工鱼群算法；优化；猴群空翻；自适应；全局搜索
DOIDOI：10.11907/rjdk.172186
中图分类号：TP312
文献标识码：A文章编号文章编号：16727800（2018）001006404
Abstract：The Artificial Fish Swarm Algorithm （AFSA） in function optimization problems has some defectives such as falling into local optimum value converging slowly in the later period and lower fish accuracy. This paper proposed a new adaptive artificial fish swarm algorithm on the basis of dynamic dividing plan of adapting artificial fishswarm algorithm（DTAFSA）. The algorithm uses the somersault behavior in the monkey algorithm to replace the clustering and trailing behavior of the artificial fish swarm algorithm. At the same time， the fuzzy function is used to adjust the field of view and the step size of the fish swarm algorithm， and the operation efficiency of the algorithm is improved to a great extent. Better balance the relationship between global search and local search， so that the algorithm in the late to avoid advance convergence， can quickly jump out of the local optimal position， to ensure the quality of the search. The simulation results show that this algorithm is superior to the artificial fish swarm algorithm based on dynamic dividing plan， at the same time， keeping the accuracy and quality of fish to avoid earlymaturing.
Key Words：artificial fish swarm algorithm； optimization； somersault； adaptive； global search
0引言
李曉磊[1]在2002年首次提出的人工鱼群算法AFSA（Artificial Fish Swarm Algorithm），源于对鱼群运动行为的研究，是一种新型的智能仿生优化算法，具有较强的鲁棒性、优良的分布式计算机制、易于和其它方法结合等优点。该算法对初始值具有不敏感性，收敛速度快、全局搜索性能好。近几年，AFSA算法已经在数据挖掘、图像分析、时变系统的在线辨识、故障诊断等各类组合优化问题中取得较好效果。
但AFSA算法存在易陷入局部极值、搜索精度不高、收敛速度过慢以及算法运行后期盲目性较大等缺点，对此研究者提出了很多改进方法，如文献[2]中提出的将粒子群算法中的粒子飞行速度和线性惯性权重引入到鱼群算法中，加快了收敛速度，提高了寻优精度，但在多样性方面还有待提高。文献[34]均提出了采用自适应方法调整行为参数，提高了寻优精度及收敛速度，但此类方法易陷入局部最优，不能增加人工鱼群的多样性。文献[5]提出了全局版人工鱼群算法，提高了运算速度，但目标的寻优精度有待提高。文献[67]则将高斯变异和柯西变异引入算法中，以期提高算法性能，其寻优精度和收敛速度在一定程度上得到了提高，但算法的局部开发能力还需进一步完善。文献[8]提出了一种基于人工鱼群算法的动态模糊聚类算法，该算法克服了聚类有效性对高维样本空间分布的依赖性，提高了效率，但人工鱼的多样性还有待提高。文献[9]提出了基于社会学习机制的改进人工鱼群算法，该算法提高了群体多样性，在一定程度上跳出了局部极值能力，但寻优质量还有待改善。
针对上述研究存在的不足，本文提出了猴群空翻机制作用下的自适应人工鱼群算法MRAAFSA （Adaptive artificial fish swarm algorithm based on monkey somersault）。该算法在基于动态分组方案的人工鱼群算法[10]基础上，引入猴群算法的空翻行为替代鱼群算法的聚群与追尾行为，并利用模糊函数对鱼群的视野和步长进行自适应调整，从而提升算法的全局搜索能力，避免陷入局部最优。模糊函数的自适应策略，根据迭代进化次数自适应地调整人工鱼的视野范围和步长。实验结果表明，MRAAFASA算法较好地平衡了全局搜索和局部搜索的矛盾，在保证寻优精度的同时寻优质量也有明显提高。
5结语
本文提出的猴群空翻机制作用下的自适应人工鱼群算法MRAAFSA，针对文献[10]提出的DTAFSA算法，为进一步提高算法的搜索精度与速度，利用猴群算法中的猴空翻行为替代聚群和追尾行为，使搜索速度加快，增加了算法搜索到最优解可能性。引入基于反正切函数的自适应策略，根据迭代进化次数调整人工鱼的视野范围和步长。实验结果表明，MRAAFASA算法较好地平衡了全局搜索和局部搜索之间的矛盾，在保证寻优精度的同时寻优质量也有明显提高，早熟现象出现的可能性降低。
参考文献：
[1]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）：3238.
[2]梁毓明，裴兴环.粒子群优化人工鱼群算法[J].计算机仿真， 2016（6）：213281.
[3]易正俊，韋磊鹏，袁玉兴.自适应重生鱼群优化算法[J].计算机应用与软件，2016，33（6）：227276.
[4]唐莉，张正军，王俐莉.人工鱼群算法的改进[J].计算机技术与发展，2016，26（11）：10053751.
[5]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）： 74837502.
[6]ZHEHUANG H， YIDONG C. LogLinear model based on behavior selection method for artificial fish swarm algorithm[J]. Computational Intelligence and Neuroscience， 2015（1）：110.
[7]YANBIN G， LIANWU G， TINGJUN W. Triaxial accelerometer error cofficients identification with a novel artificial fish swarm algorithm[J]. Journal of Sensors， 2015（1）：117.
[8]刘白，周永权，谢竹诚.基于人工鱼群算法的动态模糊聚类[J].计算机应用，2009，29（6）：15691571.
[9]郑延斌，刘晶晶，王宁.基于社会学习机制的改进人工鱼群算法[J].计算机应用，2013，33（5）：13051329.
[10]李会，张天丽，陶佰睿，等.动态分组方案的自适应人工鱼群算法[J].计算机工程应用，2013，49（8）：5862.
[11]ZHAO R Q，TANG W S. Monkey algorithm for global numerical optimization[J].Journal of Uncertiain Systems，2008，2（3）：165176.
[12]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）：210246.
（责任编辑：杜能钢）
