1、優(yōu)化問題遍布在生活中的每個角落,在計算機科學(xué)、電子工程、人工智能、通信技術(shù)、信號處理等領(lǐng)域上都存在著大量復(fù)雜的優(yōu)化問題,包括一些多變量、多維、多條件、多峰、多目標(biāo)等問題,數(shù)不勝數(shù).然而,求解優(yōu)化問題方法較多,主要包括經(jīng)典算法、構(gòu)造型算法、局部搜索算法、指導(dǎo)性搜索算法、基于系統(tǒng)動態(tài)演化的方法、群智能算法等.用經(jīng)典算法和構(gòu)造型算法解決多變量、多維、多條件、多峰、多目標(biāo)的復(fù)雜優(yōu)化問題的效果往往不理想,甚至方法行不通.而指導(dǎo)性搜索算法對于這類復(fù)

2、雜的優(yōu)化問題的應(yīng)用效果更顯著,適應(yīng)性更廣泛,穩(wěn)定性更好,效率更高.人工魚群算法(AFSA)是根據(jù)魚群的行為而提出的一種群智能優(yōu)化算法.該算法是一種有效的尋優(yōu)算法,具有較強的全局搜索能力、收斂速度快、魯棒性強、對初值要求不高、算法容易實現(xiàn)等優(yōu)勢,在通信、信號圖像處理、數(shù)據(jù)挖掘、控制領(lǐng)域等多個領(lǐng)域得到廣泛應(yīng)用,國內(nèi)外解決實際工程優(yōu)化問題的案例越來越多并取得很好的效果.然而,人工魚群算法尚且比較年輕,理論基礎(chǔ)薄弱,參數(shù)設(shè)置不嚴謹,收斂精度不高

3、,容易陷入局部極值.日后,該算法有待于進一步發(fā)展和完善.
　　本文針對魚群算法容易早熟收斂、搜索精度不高等缺點進行改進,最后將改進后的算法應(yīng)用于旅行商問題(TSP)的求解.一、本文提出了一種基于萬有引力搜索算法的人工魚群算法(GSA-AFSA).該算法引進慣性質(zhì)量計算思想,并應(yīng)用到覓食行為的中心位置和聚群行為的中心位置的計算,有效地改善了算法的性能.最后通過經(jīng)典函數(shù)仿真實驗,驗證了該算法的優(yōu)越性.
　　二、本文提出了一種多種

4、群的人工魚群算法(Mutli-AFSA).該算法是將整個魚群劃分成幾個子魚群,讓它們相互獨立并行地執(zhí)行優(yōu)化運算,經(jīng)過一段時間后,各個魚群之間進行交換信息.能有效避免魚群算法過早收斂到局部極值的缺點,提高算法的收斂精度,改善算法的穩(wěn)定性.最后通過經(jīng)典函數(shù)仿真實驗,驗證了該算法的優(yōu)越性.三、把Mutli-AFSA算法應(yīng)用于旅行商問題(TSP)的求解.簡單介紹求解TSP問題的思路,并給出實例仿真,驗證了Mutli-AFSA算法求解TSP問題的