人工鱼群算法（人工鱼群算法（AFSAAFSA）及其）及其在智能组卷中的应用在智能组卷中的应用自动化工程学院内容纲要•1.AFSA背景•2.AFSA概述•3.AFSA实例人工鱼群算法的背景•1.1群智能(SI)SwarmIntelligence(SI)的概念最早由Beni、Hackwood在分子自动机系统中提出。分子自动机中的主体在一维或二维网格空间中与相邻个体相互作用，从而实现自组织。1999年，Bonabeau、Dorigo和Theraulaz在他们的著作《SwarmIntelligence:FromNaturaltoArtificialSystems》中对群智能进行了详细的论述和分析，给出了群智能的一种不严格定义：任何一种由昆虫群体或其它动物社会行为机制而激发设计出的算法或分布式解决问题的策略均属于群智能。人工鱼群算法的背景Swarm可被描述为一些相互作用相邻个体的集合体，蜂群、蚁群、鸟群、鱼群都是Swarm的典型例子。人工鱼群算法的背景•1.2人工生命具有某些生命基本特征的人工系统。包括两方面的内容：1、研究如何利用计算技术研究生物现象；2、研究如何利用生物技术研究计算问题。我们关注的是第二点。如何利用生物技术研究计算问题是人工生命研究的重要方向，现已有了很多源于生物现象的计算技巧，例如人工神经网络是简化的大脑模型，遗传算法是模拟基因进化过程的。•2003年李晓磊、邵之江等提出的人工鱼群算法(AtificialFish-SwarmAlgorithm，AFSA)，它利用自上而下的寻优模式模仿自然界鱼群觅食行为，主要利用鱼的觅食、聚群和追尾行为，构造个体底层行为；通过鱼群中各个体的局部寻优，达到全局最优值在群体中凸现出来的目的。在基本运算中引入鱼群的生存机制、竞争机制以及鱼群的协调机制，提高算法的有效效率。人工鱼群算法概述人工鱼群算法概述•2.1AFSA基本思想在一片水域中，鱼存在的数目最多的地方就是本水域中富含营养物质最多的地方，依据这一特点来模仿鱼群的觅食，聚群，追尾等行为，从而实现全局最优，这就是鱼群算法的基本思想。鱼类的活动中，觅食行为，聚群行为，追尾行为和随机行为与寻优命题的解决有较密切的关系，如何利用简单有效的方式来构造实现这些行为将是算法实现的主要问题。人工鱼群算法概述•2.2AFSA基本概念假设在一个n维的目标搜索空间中，有N条组成一个群体的人工鱼，每天人工鱼个体的状态可表示为向量X=（x1,x2,……xn）,其中xi（i=1,……n）为欲寻优的变量：人工鱼当前所在位置的食物浓度表示为Y=f(X),其中Y为目标函数；人工鱼个体间距离表示为d=||Xi-Xj||;visual表示人工鱼的感知范围，step为人工鱼移动步长，δ为拥挤度因子；trynumber表示人工鱼每次觅食最大试探次数。人工鱼群算法概述•2.3AFSA行为描述（1）随机行为(AF-Random)：指人工鱼在视野内随机移动的行为。（2）觅食行为(AF-prey)：指鱼循着食物多的方向游动的一种行为，人工鱼Xi在其视野内随机选择一个状态Xj，分别计算它们的目标函数值进行比较，如果发现Yj比Yi优，则Xi向Xj的方向移动一步；否则，Xi继续在其视野内选择状态Xj，判断是否满足前进条件，反复尝试trynumber次后，仍没有满足前进条件，则随机移动一步使Xi到达一个新的状态。表达式如下：人工鱼群算法概述floatArtificial_fish：：AF_prey(){for(i=0；iδYi，表明伙伴中心位置状态较优且不太拥挤，则Xi朝伙伴的中心位置移动一步，否则执行觅食行为：人工鱼群算法概述人工鱼群算法概述floatArtificial_fish：：AF_swarm(){nf=|N(Xi,Visual)|;//Xi为中心，visual距离领域内的伙伴总数Xc=Center(N(Xi,Visul));//Xi附近所有nf个伙伴的中心位置if(Yc/nf>...
