(3) 由于个体非常简单，单个个体的损坏和故障不会影响到整个问题的 求解，因而使得群智能算法具有良好的鲁棒性。

(4) 由于个体十分简单，使得计算机的编程仿真实现起来非常方便。

1。5 捕鱼策略优化算法的研究现状

2009 年，广西民族大学的陈建荣、王勇老师发表了《采用捕鱼策略的优 化方法》，第一次提出了捕鱼策略优化算法。该算法对于解决复杂函数的优化 问题效果良好，该优化方法对初始值不敏感、收敛速度快、优化精度高的有 点。但是，该算法的“撒网”模式，使得该算法随机性不高，这显然降低了算 法的搜索效率；而所有渔夫采用的收缩搜索方法，在一定程度上加大了算法 的时间复杂度；对于比较复杂化的优化问题，算法容易陷入局部极值的情况。 针对基本捕鱼策略优化算法存在的不足之处，2010 年，《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； 2011 年，《PSO 与捕鱼策略相结合的优化方法》提出将粒子群算法(PSO)和 FSOA 相结合的优化方法，同年，《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[7]。

1。6 论文安排

第一章，作为绪论，介绍了智能算法的背景和目的、群智能算法的特性 和优点以及给出了捕鱼策略优化算法的研究现状。

第二章，研究并探讨 FSOA 的基本思想和算法特点，并给出了算法实现 流程。介绍了基于 MATLAB 的仿真实验，由此引出了适应度函数、算法的 评价指标等，为接下来的仿真实验做出铺垫。

第三章，介绍粒子群算法(PSO)，同第二章类似，研究并探讨了 PSO 的 基本思想与具体实现过程。

第四章，针对基本捕鱼策略优化算法和基本粒子群算法的不足之处，给 出了结合粒子群优化算法改进捕鱼策略优化算法的思路和流程。

最后，总结全文，并展望未来。来:自[优.尔]论,文-网www.youerw.com +QQ752018766-

1。7 小结

由于传统优化算法存在不足与缺陷，研究人员受生物群体社会性行为的 启发，而提出了模拟生物社会行为通过迭代变化最终涌现出待求问题的解 的新颖优化算法-群智能优化算法。该算法具备了群体智能、可并行、可分 布式、易于实现、安全可靠等特性和有点在各个领域都得到了广泛的应 用。本章通过一步一步地探究与描述最后引出了捕鱼策略的研究现状，并 对全文结构进行了概述。总之，捕鱼策略优化算法通过模拟高智慧渔夫群 体，相对于低等智慧生物群体具有更高的研究价值。