智能优化算法理论与应用：基于人工鱼群算法实现全局最优值的方法

鱼类与人类的关系相当密切，也较为人类所熟知，研究者通过对鱼类生活习性的观察，发现鱼类有以下几种典型行为：

（1）觅食行为：是指鱼通过味觉、视觉来判断食物的位置和浓度，从而接近食物的行为。一般情况下，鱼在水中随机的自由游动，当发现食物时，则会向着食物逐渐增多的方向快速游去。

（2）聚群行为：这是鱼类较常见的一种现象，大量或少量的鱼都能聚集成群，这是鱼类在进化过程中形成的一种生存方式，可以进行集体觅食和躲避敌害。鱼聚群时所遵守的规则有三条：

①分隔规则：尽量避免与临近伙伴过于拥挤；

②对准规则：尽量与临近伙伴的平均方向一致；(www.xing528.com)

③内聚规则：尽量向临近伙伴的中心移动。

（3）追尾行为：是当某一条鱼或几条鱼发现食物时，它们附近的鱼会尾随其后快速游过来，进而导致更远处的鱼也尾随过来。

（4）随机行为：指在未找到食物之前，各条鱼在水中悠闲的自由游动，基本上是随机的，从而加大了找到食物的可能性。随机行为实际上是觅食行为的一种缺省。

每条人工鱼通过对环境的感知，在每次移动中经过尝试后，执行其中的一种行为，这些行为在不同时刻会相互转换，而这种转换通常是鱼通过对环境的感知来自主实现的，这些行为与鱼的觅食和生存都有着密切的关系。人工鱼群算法就是利用这几种典型行为从构造单条鱼底层行为做起，通过鱼群中各个体的局部寻优达到全局最优值在群体中突现出来的目的。算法的进行就是人工鱼个体的自适应活动过程，整个过程包括觅食、聚群以及追尾三种行为，最优解将在该过程中突现出来。其中觅食行为是人工鱼根据当前自身的适应值随机游动的行为，是一种个体极值寻优过程，属于自学习的过程；而聚群和追尾行为则是人工鱼与周围环境交互的过程。这两种过程是在保证不与伙伴过于拥挤，且与临近伙伴的平均移动方向一致的情况下向群体极值（中心）移动。由此可见，人工鱼群算法也是一类基于群体智能的优化方法。人工鱼整个寻优过程中充分利用自身信息和环境信息来调整自身的搜索方向，从而最终搜索达到食物浓度最高的地方，即全局极植。