在一片水域中，魚往往能自行或尾隨其他魚找到營養物質多的地方，因而魚生存數目最多的地方一般就是本水域中營養物質最多的地方，人工魚群算法就是根據這一特點，通過構造人工魚來模仿魚群的覓食、聚群及追尾行為，從而實現尋優。
基本介紹
- 中文名：人工魚群算法
- 外文名：artificial fish swarms algorithm （AFSA）
- 典型行為：覓食行為
- 特點：具有較快的收斂速度
- 停止條件：均方差小於允許的誤差
算法描述,特點,停止條件,Python代碼實現,套用領域,
算法描述
在一片水域中，魚往往能自行或尾隨其他魚找到營養物質多的地方，因而魚生存數目最多的地方一般就是本水域中營養物質最多的地方，人工魚群算法就是根據這一特點，通過構造人工魚來模仿魚群的覓食、聚群及追尾行為，從而實現尋優，以下是魚的幾種典型行為:
(1)覓食行為：一般情況下魚在水中隨機地自由遊動,當發現食物時,則會向食物逐漸增多的方向快速游去。
(2)聚群行為:魚在遊動過程中為了保證自身的生存和躲避危害會自然地聚集成群，魚聚群時所遵守的規則有三條：分隔規則：儘量避免與臨近夥伴過於擁擠;對準規則:儘量與臨近夥伴的平均方向一致;內聚規則:儘量朝臨近夥伴的中心移動。
(3)追尾行為：當魚群中的一條或幾條魚發現食物時,其臨近的夥伴會尾隨其快速到達食物點。
(4)隨機行為：單獨的魚在水中通常都是隨機遊動的，這是為了更大範圍地尋找食物點或身邊的夥伴。
特點
1)具有較快的收斂速度，可以用於解決有實時性要求的問題；
2)對於一些精度要求不高的場合，可以用它快速的得到一個可行解；
3)不需要問題的嚴格機理模型，甚至不需要問題的精確描述，這使得它的套用範圍得以延伸。
停止條件
1) 判斷連續多次所得的均方差小於允許的誤差；
2)判斷某個區域的人工魚群的數目達到某個比率；
3)連續多次所獲取的值均不能超過已找到的極值。
4）疊代次數達到預設次數
Python代碼實現
step1：在GitHub上下載常用的 scikit-opt庫。
step2：定義目標函式並執行人工魚群算法
def func(x): x1, x2 = x return 1 / x1 ** 2 + x1 ** 2 + 1 / x2 ** 2 + x2 ** 2from sko.ASFA import ASFAasfa = ASFA(func, n_dim=2, size_pop=50, max_iter=300, max_try_num=100, step=0.5, visual=0.3, q=0.98, delta=0.5)best_x, best_y = asfa.fit()
套用領域
1）電力系統規劃
