基于捕鱼策略的优化方法改进研究(论文答辩ppt)

基于捕鱼策略的优化方法改进研究答辩学生：何德牛研究方向：计算智能专业：计算机应用技术指导老师：王勇教授学校：广西民族大学目录研究背景及现状基本捕鱼策略算法采用正交变换的改进FSOA采用随机选点和旋转定点的改进FSOA基于FSOA的几种混合算法求解高维问题的改进FSOA总结与展望1研究背景及现状1.1研究背景随着科技的发展优化问题的难度变大传统优化方法无能为力群智能算法兴起遗传算法、萤火虫算法、蚁群算法、人工鱼群算法、免疫算法、捕鱼策略算法等1研究背景及现状

1.2捕鱼策略算法的优点及缺点优点优化精度高收敛速度快对初值不敏感缺点探测模式固定搜索缺乏随机性

易陷入局部极值2009年2010年2011年提出时间相对较晚相关研究较少《采用捕鱼策略的优化方法》算法的提出《一种采用动态策略的模拟捕鱼优化方法》提出采用动态策略来提高算法的全局寻优能力的改进方法《PSO与捕鱼策略相结合的优化方法》提出将微粒群算法(PSO)与FSOA相结合的优化方法《AFSA与改进FSOA相结合的优化方法》则提出人工鱼群算法(AFSA)与FSOA相结合的优化方法《一种采用随机探测策略的改进FSOA》提出控制渔夫搜索方向和限制采用收缩搜索策略的改进方法

1.3国内外研究现状1研究背景及现状2基本捕鱼策略算法2.1基本思想模拟渔夫撒网捕鱼行为将捕鱼工作域假设为目标求解空间找到鱼群密度最大点，即找到问题最优解算法目的移动搜索收缩搜索撒网探测2基本捕鱼策略算法2.2实施方法若渔夫能够在其周围的探索点中发现更优的位置，则渔夫移动到该位置进行更新，这种搜索方法被称为移动搜索。若渔夫不能在其周围发现更好的位置，则渔夫不做移动，并且收缩其搜索范围进行下一次的探索，这种搜索方法被称为移动搜索。移动搜索收缩搜索渔夫的撒网探测模式：“方体”2基本捕鱼策略算法假设渔夫的最初位置和最初投网点为：然后在其周围按“方体”下网，可以得到以撒网探测点：2.2实施方法（续）3采用正交变换的改进FSOA3.1基本思想1.探测点选点方法的改进

2.搜索策略的改进

只有位于群体当前最优位置的渔夫可以采用收缩搜索策略；处于非群体最优位置的渔夫在搜索过程采用移动搜索策略。

首先在渔夫前进方向上随机选取一个探测点,然后通过这一探测点的正交旋转变换再确定若干个探测点。3采用正交变换的改进FSOA3.2实施方法前进方向步长范围内随机一点第一步第二步使用公式N-1次获取另外N-1个撒网探测点其中为旋转正交矩阵，即有3.3实验测试3采用正交变换的改进FSOA在（0,0）处取得全局最小值0.3采用正交变换的改进FSOA3.3实验测试（续）函数测试结果本文算法FSOA6.183133389368107e-073.4102113321934571.679785187630458e-130.97856099854463973.218490410397396e-13

-11.58282744568907

1.272120578342755e-71.844172798037022e-7-7.510234667610971e-159.839985766104176e-151.406138642765274e-14

3.184544205183075e-14

平均值4.238167217487971e-7

4.403589638909193e-2

平均时间1.3437500

23.142107

成功率100%45%4采用随机选点和旋转定点的改进FSOA4.1基本思想改进点一：改进点二：渔夫在撒网探测过程中采用随机选点与旋转定点相结合的方法；当渔夫在同一点处执行收缩搜索次数达到收缩搜索阀值后，使用改进的移动策略来完成位置更新；时刻4采用随机选点和旋转定点的改进FSOA4.2改进详情为0到1间随机数为旋转矩阵4采用随机选点和旋转定点的改进FSOA收缩搜索收缩搜索收缩搜索收缩搜索4.2改进详情（续）当渔夫在同一点处执行收缩搜索次数达到阀值：C可让渔夫离开其当前所在位置的局部区域

4采用随机选点和旋转定点的改进FSOA4.3实验测试函数该函数极难优化在（0,0）处取得全局极小值04采用随机选点和旋转定点的改进FSOA4.3实验结果函数测试结果本文算法FSOA6.183133389368107e-073.4102113321934571.679785187630458e-130.97856099854463973.218490410397396e-13

-11.58282744568907

1.272120578342755e-71.844172798037022e-7-7.510234667610971e-159.839985766104176e-151.406138642765274e-14

3.184544205183075e-14

平均值4.238167217487971e-7

4.403589638909193e-2

平均时间1.3437500

23.142107

成功率100%45%5基于FSOA的混合智能算法5.1PSO与FSOA相结合的优化方法(PSO-FSOA-1)PSO

FSOA

思想在该算法中先使用PSO算法进行全局搜索，算法执行到规定的迭代次数后，保留部分较优的个体，形成新