动态参数调整的改进人工鱼群算法研究

"一种基于动态参数调整的改进人工鱼群算法 (2012年) - 针对经典鱼群算法的不足，提出动态调整视野和拥挤度因子、改进去交叉算子、引入再寻优算子以提高收敛速度和寻优精度。应用于TSP问题，实验结果显示改进效果显著。" 本文主要探讨了经典人工鱼群算法（Artificial Fish Swarm Algorithm, AFSA）在解决优化问题时存在的局限性，即收敛速度慢和寻优精度低的问题，并提出了一种基于动态参数调整的改进策略。人工鱼群算法是模拟自然界中鱼类群体行为的一种生物启发式优化算法，它通过模拟鱼群的觅食、跟随和随机游动等行为来寻找全局最优解。 该改进算法的主要创新点包括以下三个方面： 1. **动态调整视野和拥挤度因子**：在原算法中，鱼的视野范围和环境拥挤程度对搜索效率有直接影响。改进后的算法动态调整这些参数，以适应不同阶段的搜索需求，从而提高算法的探索和exploitation能力，加速收敛过程。 2. **改进去交叉算子**：经典鱼群算法中，交叉操作可能导致局部最优解的固化。论文提出了新的去交叉算子，目的是消除交叉路径上的不利影响，防止算法陷入局部最优，增强算法的全局搜索能力。 3. **引入再寻优算子**：在去交叉操作后，可能会丢失部分潜在的最优解。因此，文章引入了再寻优算子，使得算法在消除交叉路径后，能够快速重新找到并优化可能的最优解，进一步提升算法的精度。 通过对旅行商问题（Traveling Salesman Problem, TSP）的实验，验证了改进后的人工鱼群算法在收敛速度和搜索最优解能力上的显著提升。旅行商问题是一个经典的组合优化问题，其目标是寻找最短的途径，使得一个销售员可以访问所有城市一次并返回起点。 这项工作为优化算法的研究提供了新的思路，动态参数调整和优化算子的改进对于提高生物启发式算法的性能具有重要的理论和实践意义。这样的改进策略不仅适用于旅行商问题，还可以推广到其他复杂的优化问题中，为解决实际工程中的优化难题提供了一种有效工具。