一种新颖的人工鱼群算法

周述波; 刘伟; 罗萍

doi:10.3969/j.issn.1007-7162.2015.04.018

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

一种新颖的人工鱼群算法

综合研究 | 更新时间：2026-05-27

- 一种新颖的人工鱼群算法
- A New Artificial Fish Swarm Algorithm
- 广东工业大学学报 2015年32卷第4期页码：99-104
- 作者机构：
- 作者简介：
  
  周述波（1989-），男，硕士研究生，主要研究方向为智能计算与应用.
- 基金信息：
  
  国家自然科学基金资助项目（60974077）
- DOI：10.3969/j.issn.1007-7162.2015.04.018
  中图分类号：
- 网络首发：2015-12-04，
  
  纸质出版：2015
- 稿件说明：
移动端阅览
周述波, 刘伟, 罗萍. 一种新颖的人工鱼群算法[J]. 广东工业大学学报, 2015, 32(4): 99-104.

Zhou Shu-bo, Liu Wei, Luo Ping. A New Artificial Fish Swarm Algorithm[J]. 2015, 32(4): 99-104.
周述波, 刘伟, 罗萍. 一种新颖的人工鱼群算法[J]. 广东工业大学学报, 2015, 32(4): 99-104. DOI： 10.3969/j.issn.1007-7162.2015.04.018.

Zhou Shu-bo, Liu Wei, Luo Ping. A New Artificial Fish Swarm Algorithm[J]. 2015, 32(4): 99-104. DOI： 10.3969/j.issn.1007-7162.2015.04.018.

摘要

为了克服基本人工鱼群算法(AFSA)收敛速度慢、求解精度不高和易陷入局部最优的不足，提出了一种新颖的人工鱼群算法(AO-AFSA).该算法结合人工鱼与粒子群(PSO)中的粒子都具有个体学习能力和社会学习能力，模拟粒子群中粒子的速度位置更新公式去分别修改人工鱼群算法中人工鱼的觅食行为、聚群行为、追尾行为的更新公式.并采用5个典型的测试函数进行仿真实验，分析算法的寻优精度、收敛速度以及稳定性.测试结果表明改进后的算法能够较快地收敛至全局较优解，有更强的稳定性，并具有较好的寻优性能.

Abstract

In order to overcome the slow convergence

low precision and local optimum of basic artificial fish swarm algorithm(AFSA)

this paper proposes a novel artificial fish swarm algorithm. This algorithm takes advantage of individual learning ability and social learning ability of particles in artificial fish swarm and particle swarm

simulates the speed and position of particles in particle swarm to update and modify the formulas of foraging

grouping and tailing. It then experiments five typical testing functions

analyzes the optimization precision

convergence speed and stability of the algorithm. The results turn out that the improved algorithm has stronger convergence

more stability and better performance.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

具守恒量波动方程的循环双子网物理信息神经网络

人工噪声辅助无人机太赫兹安全通信的鲁棒设计

SCA-YOLO: 基于可变形卷积与上下文感知注意力的实时目标检测

双模态迭代交叉注意力融合集成框架

融合沟道倾斜角的3D NAND存储单元建模及编程策略优化