刘全明,贺剑强,张虎

(山西大学 计算机与信息技术学院,山西 太原 030006)

0 引言

函数优化问题作为一种常见的目标优化求解问题,广泛应用于各领域,工程、控制、决策等领域的大多数问题都能通过分析与抽象转换成函数优化问题[1]。传统的函数求解方法要求目标函数具备一系列苛刻的条件,这导致部分不具备相关性质的函数求解困难,不易求得全局最优解。20世纪中后期以来,一部分学者从仿生学的运行机制中得到启式,提出了一系列基于种群优化的计算方法,如遗传算法，人工免疫算法，粒子群算法，模拟退火算法，人工鱼群算法等,将这些基于种群优化的智能算法运用到函数求解后取得较好的结果。但是由于被优化函数的多样性和复杂性,在实际使用中所有算法都或多或少地表现出了优势与不足。

人工鱼群算法[2](artificial fish swarm algorithm,AFSA)是我国学者李晓磊等人于2002年提出的一种基于鱼群自主寻优的群体优化算法,被广泛应用于多个优化计算领域,该算法实现简单,鲁棒性强,对初值、参数不敏感。但是研究发现人工鱼群存在两个明显缺点:(1)当函数最优解所在范围较大或相对平稳时,算法收敛缓慢,搜索结果精度不高;(2)算法在运行初期收敛速度较快,能快速收敛到最优解周围,但是后期收敛缓慢还可能出现不收敛现象。目前,已有部分学者提出一些改进算法,来克服基本鱼群算法的缺点。文献[3]中将粒子群算法中粒子的寻优方式引入,改进人工鱼个体的觅食、聚群、追尾等行为,使得改进后的人工鱼个体,只需依据自身视野进行位置更新,避免了固定步长给算法性能带来的影响。……