生活中，很多人都不知道鱼群算法 鱼群算法讲解，其实非常简单，下面就是小编搜索到的鱼群算法 鱼群算法讲解相关的一些知识，我们一起来学习下吧！
一、鱼群算法简介
鱼群算法是一类基于自然系统行为的元启发式算法，它是利用社会化特性的演化规则来模拟鱼群搜索的捕食行为的一种新的数据加工技术。它是由Prof.D.Marcey和Prof.J.Kearsey于1995年开发出来的。鱼群算法模拟鱼群作为群体进行捕食行为时头脑受环境因素引导而集体智慧共享、优势互补的过程，通过模拟智慧传播和智慧共享，在全局复杂环境中寻找最优解，在解决各类搜索最优解时可以把它作为一种有效的遗传算法。
(资料图片仅供参考)
二、鱼群算法原理
鱼群算法模拟了鱼群在搜索食物的行为，即鱼群捕食者的社会行为原理，它的特点在于“多个鱼群个体合作来寻找最佳的资源”。此算法的行为模型主要由鱼群的三个主要组成部分组成，即活动半径，视觉模式和极限参数，它们可以描述鱼群个体之间的行为，如互相排斥、聚集、有序移动等等，这些行为是通过算法定义的适当参数来模拟的。在实现这些行为的过程中，该算法定义了一种伪随机如何更新每只鱼的位置，即每只鱼根据视觉模式和活动半径从当前位置出发，若未达到极限参数，则继续前进，从而形成一种随意但有序的移动模式，当某只鱼与最优解的距离较近时，它会成为一个头鱼，其他鱼采取相同模式，从而实现搜索最优解的目的。
三、鱼群算法用途
鱼群算法是一种基于自然界中动物行为的元启发式算法，相比于其他遗传算法，它可以更好地模拟自然界的行为，特别是对于搜索最优解的问题，具有更好的求解性能。因此，它在机器视觉、无线网络、模式识别、信息融合、模糊控制、优化、运筹学和人工智能等诸多领域的研究应用广泛，尤其是在复杂的全局优化问题中，它能够实现较高的求解精度，具有良好的实用价值。
（一）“鱼群算法”概述
鱼群算法（Fish Swarm Algorithm，FSA）是一种基于自然现象的，被用来求解全局最优的的群体智能算法。这种智能算法利用鱼群行为中观察到的模式，模拟人类如何个体行为聚集成群体。而他能够模拟鱼群在搜索过程中，群体中个体间相互吸引、制约的模式，具有自组织能力，且有效运用群体中的集体智能，帮助个体克服局部最优的局限，寻求全局最优的解决方案。有效地在设置好的问题求解领域中，搜索出最优的解。
（二）“鱼群算法”的原理
鱼群算法的核心原理是群体的全局优化，将模拟鱼群搜索的模型与传统的优化技术整合，使得其可以在运行时自动调整搜索步长、调整方向及学习已经搜到结果、自动记录最优鱼等方面拥有突出的优势，具备自适应、智能无监督搜索算法的有效性。基本原理如下：
①利用鱼群行为中观察到的模式，进行鱼群搜索（Fish Searching）：模拟每只鱼的行为，有四种情况：（1）随机游走；（2）被其他鱼的吸引导致的行为；（3）被最佳位置的吸引导致的行为；（4）被自身历史惯性记忆所吸引导致的行为；
②趋向最优点的流程：利用每个鱼的行为找到最优点，最优点即为鱼群算法的终极目标，通过个体行为聚集，鱼群算法不仅能够模拟群体中个体间相互吸引、制约的模式，同时将被视作“鱼社群中的信使”的最受欢迎的鱼（最佳位置）变更时，做出趋向最优点的反应；
③有效的个体行为的模拟：实现群体整体智能帮助个体克服局部最优的局限，寻求全局最优的解决方案，个体以有把握的偏差以及多样化步长调整，能够模拟对全局最优位置的有效搜索；
④引入学习思想：每个鱼都有自己的记忆，在搜索过程中会遗忘以前探索过的比较平凡位置，从而减少局部最优的影响，真正迈向全局最优解；
⑤综合调整和控制：鱼群搜索过程要求具有自组织的能力，能够根据求解的状况，自动调整搜索步长、调整方向及学习等方面的参数，灵活地控制鱼群的搜索过程。
（三）“鱼群算法”的优点和缺点
优点：
（1）适用性强：仅需较少的变量配置，就能运用鱼群算法解决复杂分配优化问题；
（2）快速收敛：鱼群算法不管问题的复杂程度如何，均可得到收敛于最优解的位置，从而减少问题求解时间；
本文鱼群算法，鱼群算法讲解到此分享完毕，希望对大家有所帮助。
15037178970
