许恒迎，孙伟斌，张 霞，牛慧娟，白成林＋

（1.聊城大学 物理科学与信息工程学院，山东 聊城252000；2.山东省光通信科学与技术重点实验室，山东 聊城252000）

0 引 言

人工鱼群算法（AFSA）是李晓磊博士提出的一种基于行为的新型人工智能算法［1］，通过模拟鱼群的觅食、聚群、追尾、随机等行为实现全局寻优，具有鲁棒性强、全局收敛性好以及对初值选择不敏感等特点，目前在传感器网络优化、水质参数识别、多用户检测器、参数优化、路由选择及组合优化等多个工程领域已得到应用并取得了良好效果［2－6］。许多研究学者针对人工鱼群算法在运行后期表现出的搜索盲目性较大、寻优精度低、对于复杂问题易陷入局部极值等缺陷做出了改进，如张梅凤等提出了基于生境的人工鱼群算法，较好解决了多峰问题，但步骤比较繁琐［7］；刘彦君通过自适应地改变人工鱼的视野和步长提高了寻优精度，但是易陷入局部极值［8］；王联国提出了全局版人工鱼群算法，提高了运算速度，但目标的寻优精度有待提高［9］。在这些学者研究成果的基础上，针对AFSA寻优精度差、易陷入局部极值和过早收敛的问题，本文提出了一种采用自适应视野和步长的局部邻域人工鱼群算法（local neighborhood artificial fish swarm algorithm，LNAFSA）。该算法采用了一种全新的局部邻域结构，每条人工鱼只能与本邻域结构内的其他5条邻居鱼相互交换信息。每次迭代前每条人工鱼都要根据自身与其他5条邻居鱼的距离自适应地计算视野和步长，增强了鱼群个体之间的差异性，简化了参数设定。……