论文研究反向自适应高斯变异的人工鱼群算法.pdf

针对人工鱼群算法存在易陷入局部最优、鲁棒性差以及寻优精度低的问题，提出了反向自适应高斯变异的人工鱼群算法。改进后的算法引入了反向解，根据反向解调整人工鱼的移动方向以及位置，从而提供更多的机会发掘潜在的较优空间，使人工鱼群快速跳出局部最优，从全局角度提升算法的搜索性能。同时提出了一种非线性自适应视野步长策略，更好地平衡了全局搜索与局部搜索之间的关系。为了增加鱼群的多样性，降低人工鱼陷入早熟的可能性，提出了一种最优解引导的高斯变异机制。仿真实验结果表明，该算法能有效地提高人工鱼群的寻优精度、寻优质量及鲁棒性，并且避免了人工鱼群过早收敛。