1。7 小结 5

第二章 捕鱼策略优化算法 7

2。1 引言 7

2。2 捕鱼策略简介 7

2。3 算法具体描述 8

2。4 捕鱼策略的特点 9

2。5 算法流程 9

2。6 算法仿真实验 10

2。6。1 实验环境简介 10

2。6。2 适应度函数介绍 10

2。6。3 算法参数设置 14

2。6。4 评价指标 14

2。6。5 实验结果 15

2。7 小结 16

第三章 粒子群算法 17

3。1 引言 17

3。2 粒子群优化算法简介 17

3。3 算法具体描述 18

3。4 基本算法流程 19

3。5 算法仿真实验 20

3。5。1 算法构成要素 20

3。5。2 算法参数设置 21

3。5。3 实验结果 22

3。6 小结 22

第四章 结合粒子群算法改进捕鱼策略 23

4。1 基本思想 23

4。2 搜索策略 23

4。3 算法流程 24

4。4 算法比较 26

4。5 小结 26

结  语 27

致  谢 28

参考文献 29

第一章  绪论 

1。1 智能算法的研究背景及意义 

优化技术是一门建立在数学基础之上，用来求解工程应用问题中的优化 解的技术之一。然而在实际的工程应用问题中，往往存在复杂度高、约束条 件多、问题多为非线性、优化解的极小值多等困难。经典的传统的算法在这 些方面遇到了瓶颈，因此，如何解决以上的困难，突破算法的瓶颈并且找到 一种适用于求解大规模问题、能结合计算机并行计算的算法已逐渐成为了研 究人员主要的方向。从上个世纪 80 年代以来，许多新颖的优化算法不断被 提出，如遗传算法（Genetic Algorithm，GA）、人工神经网络算法（Artificial Neural Network，ANN）、模拟退火算法（Simulate Anneal Arithmetic, SAA）、 禁忌搜索算法（Tabu Search，TS）等。上述算法通过模拟某些自然界的现象 和规律，其思想和内容涉及到了物理学、生物学、人工智能、脑科学、统计 学等各领域学科，使得研究变成了诸多学科之间的交叉感染，为求解复杂问 题开辟了一条崭新的道路。在优化领域，由于这些算法是通过模拟自然界的 规律和现象来求解问题， 所以统称这些算法为智能优化算法 (Intelligent Optimization Algorithm)，图 1-1 为这些基于演化思想算法的分类图[1]。