人工鱼群AFSA算法

一、 人工鱼AFSA基本思想

一片水域中，鱼最多的地方就是水域中富含营养最多的地方，主要是依据这一特点来模仿鱼群的觅食、聚众、追尾等行为从而实现全局最优。它的主要特点是不需要了解问题的特殊信息,只需要对问题进行优劣的比较,通过各人工鱼个体的局部寻优行为,最终在群体中使全局最优值突现出来,有着较快的收敛速度。
二、 人工鱼群算法的寻优原理

人工鱼群算法在寻优的过程中，可能会集结在几个局部最优解的周围，使人工鱼跳出局部最优解，实现全局寻优的因素主要有：

1. 觅食行为中重复次数较少时，为人工鱼提供了随机移动的机会，从而可能跳出局部最优解；
2. 随机步长使得人工鱼在前往局部最优解的途中，有可能转向全局最优解；
3. 拥挤度因子 δδ 限制了聚群的规模，使得人工鱼能够更广泛的寻优；
4. 聚群行为能够促使少出陷于局部最优解的人工鱼趋向全局最优解的人工鱼方向聚集，从而逃出局部最优解；
   追尾行为加快了人工鱼向更优状态游动。
   三、 人工鱼群算法实现的步骤
   1.初始化设置，包括种群规模N、每条人工鱼的初始位置、人工鱼的视野Visual、步长step、拥挤度因子δ、重复次数Trynumber；
   2.计算初始鱼群各个体的适应值，取最优人工鱼状态及其值赋予给公告牌；
   3.对每个个体进行评价，对其要执行的行为进行选择，包括觅食Pray、聚群Swarm、追尾Follow和评价行为bulletin；
   4.执行人工鱼的行为，更新自己，生成新鱼群；
   5.评价所有个体。若某个体优于公告牌，则将公告牌更新为该个体；
   6.当公告牌上最优解达到满意误差界内或者达到迭代次数上限时算法结束，否则转步骤3。
   四、人工鱼群