【導(dǎo)讀】不含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。的研究做出重要貢獻的個人和集體均已在文中以明確方式標明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。化解很困難，目前對組合優(yōu)化問題的求解主要以啟發(fā)式算法為主。人工魚群算法是一種新的。近年來得到廣泛關(guān)注和應(yīng)用。蟻群算法決旅行商問題存在收斂速度慢，而且參數(shù)的設(shè)定對算法的性能影響。很大，而人工魚群算經(jīng)過實例證明具有優(yōu)于蟻群算法的收斂速度。

　　

【正文】 () ,...2,1,11 njxni ij ???? () 14 }...2,1{,22,1, nsnssxsji ij ???????? （ ） jinjix ij ??? ,. . .2,1,},1,0{ （ ） 其中 jiij dd ? 時稱為對稱距離 TSP，否則稱為非對稱距離 TSP。 其中式 中的決策變量 1?ijx 表示商人行走的路線包含從城市 i 到 j 的路徑， 0?ijx 表示商人沒有選擇走這條路。 ji? 的約束減少變量的個數(shù)，使得共有)1( ??nn 個決策變量，目標式 要求距離之和最小。式 要求商人從城市 i 恰好出來一次，式 要求商人恰好走入城市 j 一次。式 和 合起來表示每個城市恰好走過一遍次。僅有約束式 和 無法避免子回路的產(chǎn)生，因此式 約束旅行商在任何一個城市真子集中不形成回路，其中國表示集合、中元素個數(shù)。 人工魚鄰居和中心 在人 工魚 TSP 問題中，兩條人工魚的城市排序為 A={ naaa ..., 21 }和B={ nbbb ..., 21 }之間的距離表示如下 : )(),(ta n 1?? ?? ni ii basig nBAced is （ ） 其中 0,0,0,110??????????xxxsign （ ） 在 TSP 問題中兩條魚之間的距離就是在同一位置不同城市代號的個數(shù)。在人工魚TSP 問題中通過計算 distance(A， B)可以得出兩條魚之間的距離，如果距離小于Visual 那么這兩條魚就是互為鄰居。 例如 :A(4， 2， I， 3)和 B(3， 2， 4， 1) Distance(A， B)=3 在 TSP 問題中人工魚群的聚群中心規(guī)定如下 : FISH(t)表示整個視野內(nèi)魚群， )...,( 21 pnpPp FFFF 為一條魚所包含的信息，即城市 15 的排列。 ?????????????????pnPppnnnCCCFCCCFCCCFCCCFtF I S H...............)(21332313222212112111 (3,8) ))...,() . . ....,(),...,(( 212222111211 pnppnn cccm o s tcccm o s tcccm o s tc e n t e r ? () 是center pnpp cc ...,c 21 的中心。 本節(jié) 通過對人工魚群算法解決組合優(yōu)化問題的行為的具體實現(xiàn)方法進行研究，給出組合優(yōu)化問題中魚群 鄰居的尋找方法，魚群中心的尋找方法。并對典型的組合優(yōu)化問題旅行商問題研究，解決編碼方式，旅行商問題中行為的具體實現(xiàn)方法，對經(jīng)典數(shù)據(jù)測試，證明算法有好的收斂精度和速度。 小結(jié) 人工魚群算法采用了自下而上的設(shè)計思路，從 AF 的個體行為出發(fā)，達到了最終結(jié)果的突現(xiàn)，為優(yōu)化問題的解決提供了一條新的思路?？偨Y(jié)以上的研究，可以得出魚群算法的以下特點 : 1 并行性 :多個 AF 并行的進行搜索 。 2 簡單性 :算法中僅使用了目標問題的函數(shù)值 。 3 全局性 :算法具有很強的跳出局部極值的能力 。 4 快速性 :算法中雖然有一定的隨進因素，但總 體是在步步向最優(yōu)搜索 。 5 跟蹤性 :隨著工作狀況或其他因素的變更造成的極值點的漂移，本算法具有快速跟蹤變化的能力。 人工魚群算法中當(dāng)人工魚個體數(shù)目較少時，還不能體現(xiàn)出它的優(yōu)勢，當(dāng)然對遺傳算法來說，種群數(shù)較少時容易陷入局部極值和早熟的可能 。當(dāng)人工魚個體數(shù)自增加時，魚群算法的收斂速度得以提高，而遺傳算法則由于種群數(shù)的增多減緩了進化速度，可見魚群算法中蘊含著集群智能的優(yōu)勢。 總結(jié) 人工魚群算法是一種原理相對簡單的新型的仿生進化算法，在眾多領(lǐng)域己經(jīng)展現(xiàn)出其特 16 點和優(yōu)勢，人工魚群算法從提出到現(xiàn)在七的年時間里，已經(jīng)迅速成 長為一種解決優(yōu)化問題比較好的工具，人工魚群算法采用了自下而上的設(shè)計思路，從 AF 的個體行為出發(fā)，達到了最終結(jié)果的突現(xiàn)，為優(yōu)化問題的解決提供了一條新的思路。總結(jié)以上的研究，可以得出魚群算法的以下特點 :并行性，簡單性，全局性，快速性，跟蹤性。算法的提出者李曉磊對參數(shù)對算法的影響進行討論，總體來說，整個算法對各參數(shù)的取值范圍的容許度還是相當(dāng)大的。算法采用自上而下的設(shè)計模式，個體行為之間具有相對獨立性和互補性，使得整個算法有較穩(wěn)定的收斂性能。 參考文獻 [l]馬立肖，王江晴，遺傳算法在組合優(yōu)化問題中的應(yīng)用，計算機工程 與科學(xué) [J],20xx 年 7月， [2]陳永剛，牛丹梅，范慶輝，粒子群算法在組合優(yōu)化問題上的研究與應(yīng)用，電腦與電信[J]20xx 年 [3」楊劍鋒，蔣靜坪，蟻群算法及其在組合優(yōu)化問題中的應(yīng)用 [J]，科技通報， 20xx 年 7 月，vo122， No4 [4]李曉磊，一種新型的智能優(yōu)化方法一人工魚群算法仁 [D]，浙江大學(xué)， 20xx 年 [5]紀樹新，錢積新，孫優(yōu)賢，遺傳算法在車間作業(yè)調(diào)度中的應(yīng)用 [J]，系統(tǒng)工程理論與實踐，1998 年 ， [6]沈艷，郭兵，古天祥，粒子群優(yōu) 化算法及其與遺傳算法的比較，電子科技大學(xué)學(xué)報 [J]，20xx 年 10 月 . [7]陳振同，基于改進遺傳算法的車間調(diào)度問題研究與應(yīng)用 [D]，大連理工大學(xué) [8]何利，劉永賢，謝華龍，劉笑天，基于粒子群算法的車間調(diào)度與優(yōu)化 [J]，東北大學(xué)學(xué)報，20xx 年 4， ， [9]雷秀娟，史忠科，孫瑰琪，基于粒子群優(yōu)化算法的比較分析，計算機工程與應(yīng)用 [J]， 20xx年 [10]胡中共，李靜，群智能算法的研究進展，控制理論與應(yīng)用 [J]， 20xx 年， ， [11]韓文民，范吉文，基于改進遺傳算法的柔性作業(yè)車間調(diào)度問題研究，科學(xué)技術(shù)與工程 [J]，20xx 年 ， . [12]張鳳梅，邵城，甘勇，李梅娟，基于變異算子與模擬退火混合的人工魚群優(yōu)化算法，電子學(xué)報 [J]， 20xx 年 8， ， . 17 [l3]鄧娟，陳萃萌，一種基于極大相似性的 TSP 問題求解算法，計算機工程仁 [J]， 20xx 年9， ， . [14]Kennedy J, Eberhart RC. Particle Swarm Optimization [M].Perth :Australia， IEEE International Conference neural . [15]黃光球，陸秋琴，劉冠，基于魚群算法的通風(fēng)巷道漏風(fēng)點辨識方法研究 [J]，系統(tǒng)仿真學(xué)報 [J]， 20xx 年 6， ， 致 謝 在論文完成之際，我衷心感謝我的導(dǎo)師林仁老師對我的關(guān)懷和悉心指導(dǎo)，林老師嚴謹?shù)闹螌W(xué)態(tài)度，廣闊的學(xué)術(shù)視野和思考問題獨特的視角以及對學(xué)生的真誠無私的幫助，都給了我很深的印象，這將使我受益終生。同時，在學(xué)習(xí)期間導(dǎo)師為我提供了良好的研究環(huán)境和實 踐條件，并對一些創(chuàng)新性的工作給予了大量的指導(dǎo)與支持。在此論文完成之際，謹向林老師表示由衷的感謝。 感謝朋友們在我撰寫論文期間的理解和鼓勵。 感謝所有幫助和支持過的各位老師、同學(xué)和朋友 。