魚群算法原理概述-智能信息處理

魚群算法基本原理講解智能信息處理匯報人：xxx目錄HereisyourContent1魚群模式概論2魚群算法流程>>4算法仿真及分析LOGO魚群算法基本原理3魚群模式概論1

魚群算法是根據(jù)魚類的活動特點,提出了一種基于動物行為的自治體尋優(yōu)模式。【注】自治體：指生物體在不同時刻和不同環(huán)境中，能夠自主地選擇某種行為，而無需外接的控制與指導(dǎo)。魚群算法的基本思想：在一片水域中，魚往往能夠自行或尾隨其他魚找到營養(yǎng)物質(zhì)多的地方，因此魚生存數(shù)目最多的地方一般就是本水域中營養(yǎng)物質(zhì)最多的地方。

魚群模式概論行為系統(tǒng)感知系統(tǒng)運動系統(tǒng)人工魚群算法就是根據(jù)魚群的行為系統(tǒng)、感知系統(tǒng)、以及運動系統(tǒng)，通過構(gòu)造人工魚來模仿魚群的覓食、聚群及追尾行為，從而實現(xiàn)全局尋優(yōu)。行為系統(tǒng)運動系統(tǒng)主要包括覓食行為、群聚行為、追尾行為和隨機行為。魚類通過對行為的評價，選擇一種當(dāng)前最優(yōu)的行為進行執(zhí)行，以到達食物濃度更高的的位置。即參數(shù)系統(tǒng)，主要包括變量和目標(biāo)函數(shù)以及各種功能函數(shù)的設(shè)定兩部分。

選題背景感知系統(tǒng)主要靠視覺來實現(xiàn)。設(shè)其當(dāng)前狀態(tài)為X，視野范圍為Visual，狀態(tài)Xv為其某時刻視點所在的位置，若該位置的狀態(tài)優(yōu)于當(dāng)前狀態(tài)，則考慮向該位置方向前進一步，到達狀態(tài)Vnext。若狀態(tài)Xv不比當(dāng)前狀態(tài)更優(yōu)，則繼續(xù)巡視視野內(nèi)的其他位置。巡視的次數(shù)越多，對視野的狀態(tài)了解越全面，有助于做出相應(yīng)的判斷和決策。覓食行為聚群行為追尾行為隨機行為魚群算法在對以上四種行為進行評價后,自動選擇合適的行為,從而形成了一種高效快速的尋優(yōu)策略。魚群行為分析這些行為在不同時刻會相互轉(zhuǎn)換,而這種轉(zhuǎn)換通常是魚通過對環(huán)境的感知來自主實現(xiàn)的,這些行為與魚的覓食和生存都有著密切的關(guān)系,并且與我們優(yōu)化問題的解決也有著密切的關(guān)系。魚群算法基本原理2

步長（step）：隨著步長的增加，收斂速度加快，但超過一定范圍后收斂速度減慢，甚至出現(xiàn)振蕩。因此，采用隨機步長可在一定程度上防止振蕩，可利用合適的固定步長和變步長來提高收斂速度和精度。

視野（Visual

）：由于視野對算法中各行為都有較大的影響，因此其變化對收斂性能的影響也是比較復(fù)雜的。當(dāng)視野范圍較小時，人工魚群的覓食行為和隨機游動比較突出；視野范圍較大時人工魚的追尾行為和聚群行為將變得較突出。總體來看，視野越大，越容易使人工魚發(fā)現(xiàn)全局極值并收斂。因此對人工魚的視野進行適當(dāng)?shù)母倪M，是提高人工魚群算法優(yōu)化性能的一種方向。人工魚群算法的參數(shù)選取

嘗試次數(shù)（Try-number）：嘗試次數(shù)越多，人工魚執(zhí)行覓食行為的能力越強，收斂效率越高，但在局部極值突出的情況下，易錯過全局極值點，即人工魚擺脫局部極值的能力越弱。因此，在一般優(yōu)化中，可適當(dāng)增加嘗試次數(shù)，以加快收斂速度；在局部極值突出的情況下，應(yīng)減少嘗試次數(shù)，增加人工魚隨機游動的概率。人工魚的數(shù)目（N）：人工魚數(shù)目越多，魚群的群體智能越突出，收斂速度越快，精度越高，跳出局部極值的能力也越強，但迭代計算量增大。因此，實際應(yīng)用中，在滿足穩(wěn)定收斂的前提下，應(yīng)盡量減少人工魚的數(shù)目。

擁擠度因子（δ）：擁擠度因子的引入是為了避免過度擁擠而陷入局部極值。

人工魚群算法的參數(shù)選取擁擠度因子的定義：對于極大值問題：對于極小值問題：式中，分別為極值接近水平和期望在該鄰域內(nèi)聚集的最大人工魚數(shù)目。擁擠度因子對算法的影響（以極大值為例）：

①擁擠度因子越大，表明允許擁擠的程度越小，擺脫局部極值的能力越強，但收斂速度減緩。

②對于某些局部極值不嚴(yán)重的問題，往往可以忽略擁擠的因素，既簡化算法，又加快算法收斂速度，提高結(jié)果的精確程度。這是人工魚的一種趨向食物活動。一般通過視覺或味覺來感知水中的食物量或濃度來選擇趨向。設(shè)人工魚i的當(dāng)前狀態(tài)為Xi，在其感知范圍內(nèi)隨機選擇一個狀態(tài)Xj，則若，則否則，重新隨機選擇Xj，判斷是否滿足前進條件，嘗試Try-number次后，若還不滿足，則隨機前進一步覓食行為這是魚群生存和躲避危害的一種生活習(xí)性。在魚群算法中，一般規(guī)定兩條，一是盡量向鄰近伙伴的中心移動，二是避免過分擁擠。設(shè)人工魚當(dāng)前狀態(tài)為Xi，探索當(dāng)前鄰域內(nèi)的伙伴數(shù)目nf及中心位置Xc。若，表明伙伴中心有較多食物且不太擁擠，則朝伙伴的中心位置方向前進一步，即否則，執(zhí)行覓食行為。聚集行為

追尾行為魚群在游動過程中，當(dāng)其中一條魚或幾條魚發(fā)現(xiàn)食物時，其鄰近的伙伴會尾隨其快速到達食物點。即追尾行為是一種向鄰近的有最高適應(yīng)度的人工魚追逐的行為，在尋優(yōu)算法中可理解為向附近最優(yōu)伙伴靠近的過程。設(shè)人工魚i的當(dāng)前狀態(tài)為Xi，探索當(dāng)前鄰域內(nèi)所有伙伴中Xj的Yj最大，則超Xj的方向前進一步，即

隨機行為魚在水中自由游動，表面看是隨機的，實際是在為更大范圍覓食做準(zhǔn)備，即在視野內(nèi)隨機選擇一個狀態(tài)，然后向該方向移動。追尾行為、隨機行為魚群算法流程3人工魚個體的狀態(tài)可表示為向量X=(x,,xZ,…,x,),其中x‘(l’二1,…,n)為欲尋優(yōu)的變量;人工魚當(dāng)前所在位置的食物濃度表示為Y=f(X),其中了為目標(biāo)函數(shù)值;人工魚個體之間的距離表示為人,一l戈一戈11:Visual表示人工魚的感知距離;steP表示人工魚移動的最大步長;占為擁擠度因子。7.2魚群算法的基本原理

①初始化設(shè)置：包括種群規(guī)模N，每條人工魚的初始位置，人工魚的可視域Visual，步長step，擁擠度因子δ，重復(fù)次數(shù)Try-number。

②計算初始魚群各個體適應(yīng)值，取最優(yōu)人工魚狀態(tài)及其值賦予公告牌。

③對每個個體進行評價，對其要執(zhí)行的行為進行選擇，包括覓食、聚群、追尾和隨機行為。

④執(zhí)行人工魚的行為，更新自己，形成新鮮魚。

⑤評價所有個體，若謀個體優(yōu)于公告牌，則將公告牌更新為該個體。

⑥當(dāng)公告牌最優(yōu)解達到滿意誤差界內(nèi)時，算法結(jié)束。否則轉(zhuǎn)步驟③。

公告牌：用來記錄最優(yōu)人工魚個體的狀態(tài)。各人工魚個體在尋優(yōu)過程中，每次行動完畢就檢驗自身

狀態(tài)與公告牌的狀態(tài)，如果自身狀態(tài)優(yōu)于公告牌狀態(tài)，就將公告牌的狀態(tài)改寫為自身狀態(tài)，這樣就使公告牌記錄下歷史最優(yōu)的狀態(tài)。當(dāng)整個算法結(jié)束后，輸出公告牌記錄的值。迭代終止條件：

①連續(xù)多次所得值的均方誤差小于允許誤差；

②聚集于某個區(qū)域的人工魚數(shù)目達到某個比率；

③連續(xù)多次所獲得的均值不超過已找到的極值；

④達到規(guī)定的最大迭代次數(shù)。魚群算法的步驟

①初始化設(shè)置：包括種群規(guī)模N，每條人工魚的初始位置，人工魚的可視域Visual，步長step，擁擠度因子δ，重復(fù)次數(shù)Try-number。

②計算初始魚群各個體適應(yīng)值，取最優(yōu)人工魚狀態(tài)及其值賦予公告牌。

③對每個個體進行評價，對其要執(zhí)行的行為進行選擇，包括覓食、聚群、追尾和隨機行為。

④執(zhí)行人工魚的行為，更新自己，形成新鮮魚。

⑤評價所有個體，若謀個體優(yōu)于公告牌，則將公告牌更新為該個體。

⑥當(dāng)公告牌最優(yōu)解達到滿意誤差界內(nèi)時，算法結(jié)束。否則轉(zhuǎn)步驟③。魚群算法仿真分析及優(yōu)缺點4matlab仿真參數(shù)設(shè)定目標(biāo)函數(shù)：魚群算法的仿真圖魚群算法的仿真圖仿真結(jié)論聚群行為能夠很好的跳出局部極值,并盡可能的搜索到其他的極值,最終搜索到全局極值。追尾行為有助于快速的向某個極值方向前進,加快尋優(yōu)的速度,并防止AF在局部振蕩而停滯不前。魚群算法在對以上兩種行為進行評價后,自動選擇合適的行為,從而形成了一種高效快速的尋優(yōu)策略。仿真參數(shù)設(shè)定的影響覓食行為中try_numhe;的次數(shù)較少時，為人工魚提供了隨機游動的機會，從而能跳出局部極值的鄰域；隨機步長step的采用，使得在前往局部極值的途中，有可能轉(zhuǎn)而游向全局極值,當(dāng)然,其相反的一面也會發(fā)生的,就是在去往全局極值的途中，可能轉(zhuǎn)而游向局部極值，這對一個個體當(dāng)然不好判定他的禍福，但對于一個群體來說，好的一面往往會具有更大的機率；擁擠度因子的引入限制了聚群的規(guī)模，只有較優(yōu)的地方才能聚集更多的人工魚，使得人工魚能夠更廣泛的尋優(yōu)。謝謝！PPT模板下載：/moban/行業(yè)PPT模板：/hangye/節(jié)日PPT模板：/jieri/PPT素材下載：/sucai/PPT背景圖片：/beijing/PPT圖表下載：/tubiao/優(yōu)秀PPT下載：/xiazai/