AFSA在鲁棒PID控制器参数整定中的高效应用

AFSA提出至今已有10年，得到了广泛关注，并且在AFSA基础上出现了一些改进的AFSA和应用。

（1）改进的人工鱼群算法

AFSA的主要特点是不需要了解问题的特殊信息、只需要对问题进行优劣的比较、简单易于实现；其缺点是易陷入无目的的随机移动中，且搜索精度不高。文献［125］、［126］中提出在AFSA中引入鱼群的生存机制、竞争机制以及鱼群的协调行为，可以提高算法的优化效率。

（2）基于人工鱼群算法的神经网络训练

文献［131］中把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比较，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。

（3）基于人工鱼群算法的系统辨识参数估计方法

文献［129］中提出了一种基于人工鱼群算法的全局搜索参数估计算法，并将其用于一混合系统的在线辨识。该算法很好地解决了最小二乘算法难以处理的时滞在线辨识问题，克服了最小二乘算法存在局部优化的缺点，具有良好的跟踪性能和实时性。该算法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。(www.xing528.com)

（4）基于人工鱼群算法的鲁棒PID控制器参数整定

鉴于极小一极大问题的特殊性和优化目标函数的复杂性，常规方法与遗传算法等优化方法通常不能有效的求解，均需有待进一步的改进。文献［130］中提出了基于人工鱼群算法的鲁棒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控制器具有良好的控制效果，实现了鲁棒性更佳的鲁棒PID控制器。AFSA应用于鲁棒PID控制器参数整定是一种合适的选择。

（5）基于人工鱼群算法的组合优化

AFSA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。文献［128］中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。

（6）基于人工鱼群算法的电力系统短期负荷预测

文献［133］中依据AFSA的神经网络，提出了一种短期负荷预测的新方法。该方法通过对负荷历史数据的前期特征、影响负荷因素进行识别，形成数据中心，建立类别变量特征值与预测对象之间的相关关系，应用这种确定的相关关系进行负荷预测，使网络收敛速度更快、预测精度进一步提高。实践表明：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。