基于多智能体人工鱼群算法应用研究

发布时间：2020-07-06 09:47

【摘要】： 人工鱼群算法是一种新型的群智能随机优化算法,本质上是一个复杂的智能系统,它具有较强的鲁棒性、优良的分布式计算机制、易于和其他方法结合等优点。目前对该算法的研究、应用已经渗透到多个应用领域,并由解决一维静态优化问题发展到解决多维动态组合优化问题。人工鱼群算法已经成为交叉学科中一个非常活跃的前沿性研究课题。本论文首先简单阐述人工鱼群算法的基本思想、特点和研究现状,论述对其进行改进研究的意义:接着讨论了多智能体人工鱼群算法及其应用,其中包括:求解组合优化问题的改进多智能体人工鱼群算法及其收敛性证明、基于自适应混沌改进多智能体鱼群算法求解约束优化问题、用改进多智能体鱼群算法求解多级递阶物流中转运输系统优化问题和基于多智能体鱼群算法的通风系统风机定位优化方法。本论文对人工鱼群算法的改进方法进行了深入研究和尝试,改进后的人工鱼群算法,具有更高的搜索效率和获取最优解的能力。本论文的研究成果对于应用人工鱼群算法解决实际优化问题具有重要的参考意义,对人工鱼群算法的进一步深入研究也具有较高的参考价值。
【学位授予单位】：西安建筑科技大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TP18
【图文】：

求解约束,约束条件,不可行解,变量

满足约束条件的变量x为可行解;否则为不可行解。所有满足约束条件的变量x构成可行域;所有不满足约如下图3.1:，侧~~护.曰价.一今‘.Ob批cti聆funeti叭一令.，.‘，么‘、‘·，格‘、‘气、.、..、、电、一‘‘、‘-、.\、、、\;途致了尸尹弓*.，山劣，、，l:郭.，，.rl砂?--

约束条件,不可行解,最优解,可行解

、图3.1求解约束优化问题在下图3.2中，如果约束条件比较松或者没有，求解会变得非常简单，但是在很多优化问题中所求的最优解往往在约束边界附近取得如上图3.1中B点，因此有必要保留一些不可行解，让解的搜索范围更广，所以需要将不可行解保留一定的比例才有可能搜索到最优解，如果只在可行范围内搜索可能很难搜索到全局最优解。比如上图3.1中最优解附近的不可行解可能会优于可行域内部的可行解，所以需要采用一定的限制条件来对这部分不可行解进行定义，然后允许此部分不可行解保留在群体中。

状态图,鱼群,状态图,分支风量

文鱼群算法的状态图如下图5.1所示:由于人=(x1s(t)，戏(t)，…，x氛(t):Qls(t)，“(t)，…，嵘一、G}(t))中维数较多，无法位置，抽取向量中两个元素值Q(5)表示鱼群位置的横轴:，Q素值在向量解中意义分别表示回路5的余树分支风量和回路7迭代次数。

【引证文献】