摘要：人工魚群演算法源於對魚群運動行為的研究，是一種新型的群體智慧型隨機全域性優化演算法，人工魚群演算法(afsa)起步較晚，還存在著許多不足之處。因此本文主要通過闡述魚群演算法的基本理論的同時，對人工魚群演算法的改進方法進行文獻綜述，並根據這些改進方法指出了人工魚群演算法未來的改進與研究方向。
關鍵詞：人工魚群演算法演算法改進綜述
1.引言
1.1 人工魚群演算法的基本概念
人工魚群演算法是李曉磊等[1]人於2023年提出的一種基於動物自治體[2-3]的優化方法,是集群智慧型思想[4]的乙個具體應用，。它的主要特點是不需要了解問題的特殊資訊,只需要對問題進行優劣的比較,通過各人工魚個體的區域性尋優行為,最終在群體中使全域性最優值突現出來,有著較快的收斂速度[5]。
人工魚群演算法主要利用魚的三大基本行為：覓食、聚群和追尾行為，採用自上而下的尋優模式從構造個體的底層行為開始，通過魚群中各個體的區域性尋優，達到全域性最優值在群體中凸顯出來的目的[6]。
（1）覓食行為：這是魚趨向食物的一種活動，一般認為它是通過視覺或味覺來感知水中的食物兩或食物濃度來選擇行動的方向[6]。
（2）聚群行為：大量或少量的魚聚集成群，進行集體覓食和躲避敵害，這是它們在進化過程中形成的一種生存方式[6]。
（3）追尾行為：當某一條魚或幾條魚發現食物時，它們附近的魚會尾隨而來，導致更遠處的魚也會尾隨過來[6]。
人工魚群演算法就是通過模擬魚類的覓食、聚群、追尾等行為在搜尋域中進行尋優的。
1.2 人工魚群演算法的行為描述
覓食行為：設定人工魚當前狀態，並在其感知範圍內隨機選擇另乙個狀態，如果得到的狀態的目標函式大於當前的狀態，則向新選擇得到的狀態靠近一步，反之，重新選取新狀態，判斷是否滿足條件，選擇次數達到一定數量後，如果仍然不滿足條件，則隨機移動一步[6]。
聚群行為：人工魚探索當前鄰居內的夥伴數量，並計算夥伴的中心位置，然後把新得到的中心位置的目標函式與當前位置的目標函式相比較，如果中心位置的目標函式優於當前位置的目標函式並且不是很擁擠，則當前位置向中心位置移動一步，否則執行覓食行為[6]。
追尾行為：人工魚探索周圍鄰居魚的最優位置，當最優位置的目標函式值大於當前位置的目標函式值並且不是很擁擠，則當前位置向最優鄰居魚移動一步，否則執行覓食[6]。
根據所要解決的問題性質，對人工魚當前所處的環境進行評價，從而選擇一種行為。較常用的評估方法是：選擇各行為中使得向最優方向前進最大的方向，也就是各行為中使得人工魚的下一步狀態最優的行為，如果沒有能使下乙個狀態優於當前狀態的行為，則採用隨機行為。
1.3 人工魚群演算法步驟[6]
人工神經網路演算法簡介
西安電子科技大學軟體學院130513班黎建文 13051234 摘要 人工神經網路 這個詞彙對不少人來說並不新鮮，但是它的內涵，原理對很多人來說並不清楚。本文試圖對人工神經網路及其原理進行乙個簡單的介紹。關鍵字 人工神經網路 introduce to the artificial neural ne...
人工智慧實驗演算法具有可採納性證明
引理2 a 結束前,open表中必存在f n f s 的節點 n是在最佳路徑上的節點 證明 設從初始節點s到目標節點t的一條最佳路徑序列為 n0 s,n1,nk t 演算法初始化時,s在open中,由於a 沒有結束,在open中存在最佳路徑上的節點。設open表中的第乙個節點n是處在最佳路徑序列中 ...