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。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。