智能优化算法之人工鱼群算法快速教程

人工鱼群优化算法是国内学者李晓磊博士于2002年在其学位论文中提出的一种群智能算法。该算法从构造动物简单的底层行为做起，通过个体的局部寻优，最终在群体中找到全局最优解。算法的生物原理是：一片水域中，鱼类一般能找到富含营养物质的地方并聚集成群，而且在这个过程中，没有统一的协调者，只是通过每条鱼个体的自适应行为达到。人工鱼群算法采用了自下而上的设计思路，从最底层的鱼的动作开始展开，整个算法没有集中控制，也不需要关于问题的先验知识，目标函数也不需要连续、可导等条件，因此是一种适应力很强的群智能算法。与其他的群体智能算法一样，人工鱼群算法也具有并行性，自组织性和鲁棒性。

在搜索过程中，AFSA具有快速跟踪极值点漂移的能力，可以很快地跳出局部极值点，但是仅能获得问题的最优解域，对于精确解的获取，可以通过加入局部搜索算法的思想加以改进。另外，当人工鱼个体数目较少时，AFSA不能体现其快速有效的群体优势。标准的AFSA主要用于连续空间的优化问题，不需要了解问题的特殊信息，只需要对问题进行优劣比较，简单易于实现，但是也容易陷入无目的的随机移动中并且搜索精度不高。此外，AFSA的数学基础比较薄弱，目前还缺乏具有普遍意义的理论分析。

人工鱼群算法提出之后，虽然没有如蚁群优化算法、粒子群优化算法那样获得世界范围内的关注，但是在国内，还是得到了一些发展。2003年，李晓磊等学者将生存机制、竞争机制以及分解协调概念引入AFSA，结果表明该方法有较好的收敛性和对初值、参数均不敏感的优点；张梅凤等学者将变异算子和模拟退火的概念引入AFSA，明显提高了算法的效率和求解质量。人工鱼群算法能够较好地解决非线性函数优化等问题，但对离散问题却无能为力。李晓磊等学者提出了一种解决组合优化问题的离散型AFSA，并将其应用于旅行商问题（TSP）的求解，取得了较好的结果。离散AFSA扩展了人工鱼群算法的应用领域，让人们看到了AFSA在一类组合优化问题中的应用前景。(www.xing528.com)

在人工鱼群算法的应用方面，黄光球等学者提出用鱼群算法求解多级递阶物流中转运输系统优化问题。马建伟等学者把AFSA用于三层前向神经网络的训练过程，建立了相应的优化模型，并与加动量项的BP算法、演化算法以及模拟退火算法进行对比，结果表明AFSA具有较快的收敛速度，能够达到较小的均方误差值，是一种很有潜力的神经网络训练算法。李晓磊等学者提出了一种基于AFSA的全局搜索参数估计算法，解决了最小二乘算法难以处理的时滞在线参数辨识问题，为系统辨识和基于辨识的控制系统分析与设计提供了新途径。同年，李晓磊等学者又提出了基于AFSA的鲁棒PID控制器参数整定方法，并对典型问题进行了仿真研究，结果表明，AFSA能够快速对鲁棒PID的参数进行整定，整定后的PID控制器具有更好的控制效果。刘耀年等学者依据AFSA的神经网络，提出了一种短期负荷预测的新方法，并将其应用于电力系统，结果表明该方法具有预测精度高、误差小的优点，是值得广泛推广的好方法。刘双印提出免疫人工鱼群算法（IAFSA）并用于神经网络训练，显著提高了BP网络的学习精度、收敛速度和泛化能力。

总之，AFSA是一种新型的基于群体的优化工具，具有良好的取得全局极值的能力，并具有对初值、参数选择不敏感、鲁棒性强、简单、易于实现等诸多优点。但也存在一些缺陷，如：该算法搜索精度不高，后期收敛慢等，同时还由于AFSA的研究尚处于初期，其理论基础和工程应用的深度和广度也有待于进一步研究。