吴莹，黄显林，高晓智，，Kai Zenger

(1.哈尔滨工业大学 控制理论与制导技术研究中心，黑龙江 哈尔滨150001;2.阿尔托大学 自动化与系统技术系，芬兰 赫尔辛基 FI－00076)

0 引言

人工鱼群算法(artificial fish-swarm algorithm，AFA)是一种基于自然界鱼群行为的群智能优化算法[1]。AFA算法通过模拟鱼觅食、群聚和追尾等行为，建立人工鱼群的简单的基本行为。AFA算法有较好的全局寻优性能，对搜索空间也有一定的自适应能力。然而由于人工鱼个体行为是寻找局部最优值，这种算法不可避免地会遇到个体早熟的难题，在处理多峰函数优化时容易陷入局部最优。为进一步提高AFA算法的全局收敛性能，本文提出在算法中引入变异因子，同时应用文化算法指导鱼群的进化。

文化算法(culture algorithm，CA)是一种新颖的处理优化问题的方法，由 Reynolds于 1994年提出[2]。CA算法包含了由人类社会文化发展规则发展出来的一类计算模型，是一个双向继承体系。从微观角度，群体空间中进行着鱼群进化;从宏观角度，个体在进化过程中得到的经验通过接收函数保存在信仰空间中，用于指导个体往更优解的方向进化。信仰空间和群体空间之间通过通讯协议联系，通讯协议决定了知识通过影响函数指导群体空间个体进化的方式。多种进化算法可以嵌入到文化算法框架中作为群体空间的进化过程[2－4]。

本文首先引入变异算子，将文化算法和AFA算法融合，提出了克服算法早熟缺点的带变异算子的鱼群算法——CAFAC(cultured AFA with crossover，CAFAC)。根据融合方式的不同，一共提出了4种CAFAC算法。将人工鱼群作为文化算法中的群体空间，利用信仰空间中的规划知识和情景知识指导鱼群进化的步长和方向。……