基于拓扑结构改进的人工鱼群算法

　　人工鱼群算法（AFSA）作为一种典型的启发式仿生算法自李晓磊等人在2002年首次提出以来，以良好的鲁棒性、获取全局最优值的能力、算法设计简单等优点得到了国内外学者的广泛关注，对该算法的研究已经渗透到工程设计、网络优化、电力系统等多个领域。然而随着优化问题应用范围的扩大，基本的AFSA在应用中也存在难定位到最优值、精度不高、后期收敛速度慢等缺点引。从目前对人工鱼群算法的研究来看，对该算法的改进主要有两个方向：一部分研究者对人工鱼群算法的视野参数、搜索方式及各种行为进行调整，另一部分研究者将人工鱼群算法与其它传统或智能算法相结合，以突破其自身局限，从而提出改进的人工鱼群算法。然而当AFSA应用到高维复杂函数或多极值非线性函数优化时，会出现难以定位全局最优值、优化精度低，后期收敛速度慢，甚至对某些函数无法进行优化等问题。为了使基本AFSA有效地在高维以及多极值非线性函数上应用，提高搜索效率和精度，本文根据鱼群算法自身结构内部特点提出了一种基于拓扑结构改进的人工鱼群算法（TAFSA）。数值实验结果表明，基于拓扑结构改进的人工鱼群算法对于很乡种非线性多极值以及高维函数具有易定位全局最优值、后期收敛速度快等优点。