资源描述：
《基于人工鱼全局优化文化算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、2010年9月郑州大学学报(工学版)Sep2010第31卷第5期JournalofZhengzhouUniversity(EngineeringScience)Vol31No5文章编号:1671-6833(2010)05-0106-05基于人工鱼的全局优化文化算法1121柴玉梅,陈阳,苏金,明奇(1.郑州大学信息工程学院,河南郑州450001;2.武汉大学信息管理学院,湖北武汉430072)摘要:针对基本人工鱼算法存在多样性缺失、搜索后期收敛速度较慢和搜索精度不高等不足,以及传统文化算法的框架模式,提出了基于人工鱼的全局
2、优化文化算法.算法中首先人工鱼进行跳跃式全局搜索,当搜索过程较慢或处于停滞状态时,采用高斯变异算子对最优值进行变异,然后让人工鱼继续在最优值的周围搜索,可使结果精度更高.通过典型的基准测试函数和应用实例表明该算法收敛速度快、精度高,可有效用于全局优化问题的解决.关键词:文化算法;人工鱼算法;局部搜索;全局优化中图分类号:TP181文献标识码:A0引言1文化算法[6]全局优化问题的解决主要有确定法和随机文化算法是Reynolds提出的一个基于知法.确定法包括非凸二次规划、一般凹极小化、网识的进化模型,包括种群空间、信念空间以及说明络优化、利
3、普希茨优化和D.C.规划等传统的数学这两空间如何联系的协议.基本框架如图1所示.[1]方法,这类方法的优化结果常常依赖于初始值可以看出,文化算法是一个双重进化体系,微观层的选取和具体的数学模型.随机法则包括近年来种群空间的知识通过接受操作传递到信念空间,提出的各种仿生进化算法,如遗传算法(GA)、微信念空间则根据一定行为规则进行比较优化形成粒群算法(PSO)、文化算法(CA)和人工鱼算法种群经验,这些种群经验经过更新操作后又反过(AFSA),具有应用范围广、操作简单、稳定性强来影响新一代种群的产生,以指导种群空间得到和不依赖于函数的具体形态等优点,
4、但也存在收更高的进化.从计算模型上来看,种群空间支持任[3]敛较慢、多样性缺失及搜索后期滞后性导致精确何基于群体的进化模型,如GA、EP、EC和近年[2]度不高等不足,这些缺陷在有多个局部极值的来提出的PSO等.多态模型中表现尤为突出.[3]人工鱼算法是李晓磊等人于2002年基于对鱼群行为研究而提出的一种寻优模式,在解决实际优化问题时具有对初始值和参数的选择不敏感、稳定性强、简单、容易操作等优点.目前已经广[4]泛应用于工程优化问题中,但仍然具有进化算图1CA的框架法所固有的缺点.近年来混合算法已成为有效解Fig.1Theframeworkof
5、CA[1-2,5]决全局优化问题的一个重要趋势.根据文化算法和人工鱼算法各自的特点,笔者将AFSA结2AF-CA算法合一种全局探索策略嵌入到文化算法的种群空2.1算法的主要思想间,提出了基于人工鱼的全局优化文化算法(AFAF-CA算法用基本的AFSA实现人工鱼感-CA).收稿日期:2009-03-25;修订日期:2010-05-27基金项目:河南省自然科学基金资助项目(2009A520025)作者简介:柴玉梅(1964-),女,河南郑州人,郑州大学副教授,硕士,主要从事人工智能、自然语言处理等研究工作,Emai:lieymcha@
6、izzu.edu.cn.第5期柴玉梅,等:基于人工鱼的全局优化文化算法107知范围的局部寻优,再结合一种简单的全局跳跃(1)局部搜索:人工鱼X进行t次寻优找到局*策略进行全局搜索.为了成功脱离局部最优移向部较优解x.如果人工鱼X没有跳出它原来的感有希望解域,人工鱼群需要在信念空间中进行知知范围,则随机从E里选择一个较大的步长作识的共享,这些知识包括:最优解的位置、移动步为其自身步长的榜样:长和有希望解域.虽然所有的人工鱼都向信念空=+N(0,1)&max(
7、-l
8、,
9、u-
10、)(1)间中贡献自己的知识,但是只有最优的人工鱼才其中,l、u
11、分别是步长NS的上限和下限.*能成为其余人工鱼学习的榜样.如果人工鱼X局部较优解x的适应值优于针对基本人工鱼算法初期具有较快的收敛E中的某一个,那么X的步长更新为:[4,7]性,后期却往往收敛较慢的不足,笔者受模拟n*2[7]=(x退火算法(SA)的启发引入全局退火温度T,∋j-xj)(2)j=1AF-CA算法运行初期人工鱼种群根据全局移动其中,n为变量的数目.的随机性进行广泛的全局寻优,保证了搜索结果**同时记录x,并用其适应值f(x)及移动步的多样性,随着T的逐渐降低,算法后期则根据长替换E中最差解.全局移动的方向性实现快速向最优值收敛.当搜(
12、2)确定人工鱼X全局移动的方向:令p=索过程较慢或处于停滞状态时,笔者采用将搜索exp(-1/T),如果N(0,1)
