【正文】 euristic algorithm. Artificial fish swarm algorithm is a new swarm intelligence optimization algorithm, the principle is simple, fast convergence and high accuracy. In recent years has been widespread concern and applications. The feeding line of the artificial fish swarm algorithm is a global convergence on the basis of the behavior of clusters and rearend behavior and more to enhance the global convergence of the algorithm. Ant colony algorithm decision traveling salesman problems of slow convergence and parameter settings affect the performance of the algorithm, artificial fish school operator through examples prove better than the ant colony algorithm convergence rate. Keywords: artificial fish swarm algorithm。 組合優(yōu)化，又稱離散優(yōu)化問題，是通過對數(shù)學方法的研究去尋找離散事件的最優(yōu)編排、分組、次序或篩選等，是運籌學中一個經典且重要的分支， 隨著計算機科學、管理科學、現(xiàn)代化生產技術等的日益發(fā)展，這類問題與日俱增，受到諸多學者的 高度重視。 人工魚群算法是我國學者在 20xx 年提出的一種新的群智能算法。具有并行性，簡單性，全局性，快速性。人工魚群算法（ AFSA）是浙江大學的李曉磊、錢積新等人提出的， 20xx 年李曉磊在其博士論文中對人工魚群算法進行了系統(tǒng)的介紹。各類啟發(fā)式算法是目前比較理想的算法，適用于不同規(guī)模和時間要求的TSP 問題，他們都可以得到局部最優(yōu)解或全局最優(yōu)解。解決 TSP 問題主要有三步 :JSP 仿生，創(chuàng)建 JSP遺傳算法所需要的材料，包括 JSP 染色體以及個體群組 。每個個體實際上是 染色體 (chromosome)帶有特征的實體。這個過程將導致種群像自然進化一樣的后生代種群比前代更加適應于環(huán)境，末代種群中的最優(yōu)個體經過 解碼 （ decoding），可以作為問題近似最優(yōu)解。遺傳算法從串集開始搜索，覆 蓋面大，利于全局擇優(yōu)。這一特點使得遺傳算法的應用范圍大大擴展。 蟻群算法 蟻群算法，又稱螞蟻算法，是一種用來在圖中尋找優(yōu)化路徑的機率型算法。 與遺傳算法，模擬退火算法等模擬進化算法一樣，通過候選解組成的群體在 進化過程中來尋找最優(yōu)解具有以下特點 : (l)較強通用性，對基本蟻群算法模型稍加修改，便可以應用于其它問題 。 蟻群算法解決組合優(yōu)化問題的主要步驟有 :(l)設置參數(shù)，初始信息蹤跡。 (5)如果不滿足結束條件，再轉到 (2)。局部信息素更新針對螞蟻當前走過的一步路徑上的信息素進行，全局信息素更新 是在所有螞蟻找到可行解之后，根據(jù)發(fā)現(xiàn)解的質量或者當前算法找到的最好路徑上的信息素進行更新。 為模擬實際螞蟻的行為，首先引人如下記號：設 m 是蟻群巾螞蟻的數(shù)量。每個螞蟻 k 的 ktabu 的第一個元素賦值為它所在的城市。此時，要根據(jù)下式對各路徑上的信息量作更新： ijijij tnt ???? ???? )(.)( （ 2） 6 其中： ij?? =???mkkij1 ? （ 3） kij?? 表示螞蟻 k 在本次循環(huán)中在城市 i 和城市 j 之間留下的信息量，其計算方法根據(jù)計算模型而定，在最常用的 ant cycle system 模型中 ； kij?? =?????o t h e r w i s ejkLQ k,0i, 和城市在本次循環(huán)中經過城市若螞蟻 (4) 其中 Q 為常數(shù) , kL 為螞 k 在本次循環(huán)中所走路徑的長度 。 設想這樣一個場景：一群鳥在隨機搜索食物。那么找到食物的最優(yōu)策略是什么呢。我們稱之為“粒子”。然后通疊代找到最優(yōu)解。這個極值是全局極值 gBest。遺傳算法同時處理群體中的多個個體，即對搜索空間中的多個解進行評估，減少了陷入局部最優(yōu)解的風險，遺傳算法不是采用確定性規(guī)則，而是采用概率的變遷規(guī)則來指導他的搜索方向。個體可改變環(huán)境、并通過環(huán)境來進行間接通訊 。具有潛在的并行性，其搜索過程不是從一點出發(fā)，而是從多個點同時過行，這種分布式多智能體的協(xié)作是異步并發(fā)進行的，分布并行的模式將大大提高整個算法的運行效率和快速反應的能力。 小結 本章主要介紹了遺傳算法，蟻群算法幾種智能算法的基本理論和求解組合優(yōu)化問題的的基本步驟和方法，總結了這幾種智能算法的優(yōu)缺點，為本課題在研究人工魚群算法求解組合優(yōu)化問題提供參考。 動物在進化過程中，經過漫長的自然界的優(yōu)勝劣汰，形成了形形色色的覓食和生存方式，這些方式為人類解決問題的思路帶來了不少啟發(fā)和鼓舞。魚群的活動中，覓食行為，聚群行為，追尾行為和 隨機行為與尋優(yōu)命題的解決有著密切的關系，如何利用簡單有效的方式來 構造實現(xiàn)這些行為是算法實施的主要問題。 追尾行為就是一種向臨近的最活躍者追逐的行為，在尋優(yōu)算法中可以理解為是向附近最優(yōu)伙伴前進的過程。 //distance that AF can move for each float AF_visual。 float AF_foodconsistence()。 //behavior of prey。 //initialize the AF Artificaal fish()。 11 初始化魚群 迭代計數(shù)器 每條魚執(zhí)行追尾行為， 缺省行為為覓食行為 每條魚執(zhí)行群聚行為， 缺省行為為覓食行為 分別對每條 魚比較兩種行為的結果 執(zhí)行適應度好的行為 以適應值好的人工魚更新公告板 判斷是否結束 迭代結束 12 圖 3 一 1 人工魚群算法流程圖 聚群行為能夠很好的跳出局部最優(yōu)解，并盡可能的搜索到其他的極值，最終搜索到全局極值。算法中，使人工魚逃逸局部極值實現(xiàn)全局最優(yōu)的因素主要有以下幾點。只有較優(yōu)的地方才能聚集更多的人工魚，使得人工魚能夠更廣泛的尋優(yōu)。如果狀態(tài) Xj 并不比狀態(tài) X好，那么它繼續(xù)隨機巡視視野范圍內的狀態(tài)，如果巡視次數(shù)達到一定的次數(shù) 13 (trynumber)仍舊沒有找到更優(yōu)的狀態(tài)，那么就做隨機的游動。 人工魚群算法的提出者李曉磊驗證過參數(shù) Step, 的影響都是有限的，而人工魚數(shù)目的影響通過回歸分析可 以看出是呈二次函數(shù)上升的 。 問題的數(shù)學模型 旅行商問題的數(shù)學模型描述為 : ijijxd?min （ ） ,...2,1,1. 1 nixts nj ij ???? () ,...2,1,11 njxni ij ???? () 14 }.