人工魚群演算法及其應用pdf

㈠ 什麼是魚群演算法

artifical fish-warm algorithm
xp(v1,v2……vn)個體的當前位置，d(p,q)=(1/n)*{[v(p,1)-v(q,1)]^2+……[v

(p,n)-v(q,n)]^2}，兩個體的距離，（不知道為什麼用1/n而不是開平方）；visual

一隻魚的感知距離。@擁擠度因子。
第一步：覓食人工魚當前位置為Xi，在可見域內隨機選擇一個位置Xj（d(ij)

<=visual），如xj優於xi向xj前進一步，否則隨機移動一步。如出現不滿足約束則

剪去。X(j+1,k)={if x(i,k)=x(j,k) 不變，else x(j+1,k)=隨機(0,1)}。
第二步：聚群：
xi可見域內共有nf1條魚。形成集合KJi,KJi={Xj|Dij<=visual},if KJi不為空，

then
X(center)=(xj1+xj2+.....xjn)/nf1(xjk屬於kji)
X(center,k)=0,X(center,k)<0.5 1,X(center,k)>=0.5
若：FCc/nf1>@FCi(FCc為中心食物濃度，FCi為Xi點食物濃度)
則：向中心移動：X(i+1,k)=不變，當Xik=X(center,k)時;Xik=隨機（0，1），當

Xik!=X(center,k)時;
若：FCc/nf1<@FCi
則：進行覓食
第三步：追尾
在visual范圍內，某一個體食物濃度最大則稱為Xmax，若：FCmax>@FCi,則向它移動

：X(i+1,k)=當X(i,k)=X(max,k)時，X(i,k)不變，當X(i,k)!=X(max,k)時，X(i,k)=

隨機（0,1）
第四步：公告板
在運算過程中，用公告板始終記錄下最優FCi

㈡ 李俊傑的出版著作和論文

部分代表性論文如下： [1] Fei Kang, Junjie Li. Artificial bee colony algorithm optimized support vector regression for system reliability analysis of slopes. Journal of Computing in Civil Engineering, ASCE, 2015, Accepted. (SCI&EI)
[2] Fei Kang, Shaoxuan Han, Rodrigo Salgado, Junjie Li. System probabilistic stability analysis of soil slopes using Gaussian process regression with Latin hypercube sampling. Computers and Geotechnics
[3] Haojin Li, Junjie Li, Fei Kang. Application of the artificial bee colony algorithm-based projection pursuit method in statistical rock mass stability estimation. Environmental Earth Sciences
[4] Fei Kang, Junjie Li, Haojin Li, Artificial bee colony algorithm and pattern search hybridized for global optimization, Applied Soft Computing Top 25 Hottest Articles
[5] Fei Kang, Junjie Li, Zhenyue Ma. An artificial bee colony algorithm for locating the critical slip surface in slope stability analysis. Engineering Optimization
[6] Fei Kang, Junjie Li, Qing Xu. Damage detection based on improved particle swarm optimization using vibration data. Applied Soft Computing
[7] Fei Kang, Junjie Li, Zhenyue Ma. Rosenbrock artificial bee colony algorithm for accurate global optimization of numerical functions. Information Sciences,(SCI&EI) Most Cited Articles since 2010; Top 25 Hottest Articles
[8] Haojin Li, Junjie Li, Fei Kang. Risk analysis of dam based on artificial bee colony algorithm with fuzzy c-means clustering. Canadian Journal of Civil Engineering
[9] Zhou Hui, Li Jun-jie, Kang Fei. Distribution of acceleration and empirical formula for calculating maximum acceleration of rockfill dams. Journal of Central South University of Technology
[10] Fei Kang, Junjie Li, Qing Xu. Structural inverse analysis by hybrid simplex artificial bee colony algorithms. Computers & Structures, (SCI&EI) Most Cited Articles since
[11] Fei Kang, Junjie Li, Qing Xu. Virus coevolution partheno-genetic algorithms for optimal sensor placement. Advanced Engineering Informatics
[12] Wei Zeng, Junjie Li, and Fei Kang, Numerical Manifold Method with Endochronic Theory for Elastoplasticity Analysis, Mathematical Problems in Engineering
[13] Fei Kang, Junjie Li, Sheng Liu. Combined data with particle swarm optimization for structural damage detection. Mathematical Problems in Engineering, Volume
[14] Xu Wang, Fei Kang, Junjie Li, Xin Wang. Inverse parametric analysis of seismic permanent deformation for earth-rockfill dams using artificial neural networks. Mathematical Problems in Engineering, Volume [15] 仝宗良, 曾偉, 李俊傑. 基於數值流形法的土質邊坡動力穩定性分析. 岩土工程學報
[16] 汪旭, 康飛, 李俊傑. 土石壩地震永久變形參數反演方法研究. 岩土力學
[17] 李浩瑾, 李俊傑, 康飛. 基於 LSSVM 的重力壩地震穩定易損性分析. 振動與沖擊
[18] 李浩瑾, 李俊傑, 康飛, 張勇. 重力壩縱縫非連續接觸的地震反應分析. 大連理工大學學報
[19] 周暉, 李俊傑, 康飛.面板堆石壩壩頂加速度沿壩軸線分布規律.岩土力學
[20] 康飛, 李俊傑, 許青. 混合蜂群演算法及其在混凝土壩動力參數反演中的應用. 水利學報
[21] 康飛, 李俊傑, 許青. 堆石壩材料參數反演的蟻群聚類RBF網路模型. 岩石力學與工程學報
[22] 宋志宇，李俊傑，汪宏宇. 混沌人工魚群演算法在重力壩材料參數反演中的應用. 岩土力學
[23] 宋志宇，李俊傑. 基於微粒群演算法的大壩材料參數反分析研究. 岩土力學
[24] 胡軍, 李俊傑, 劉德志. 考慮剪切抗力的修正土釘單元及其應用. 岩土力學
[25] 劉德志, 李俊傑. 大壩安全監測資料的非線性檢驗, 應用基礎與工程科學學報
[26] 劉德志, 李俊傑. 土石壩安全監測軟體系統設計與實現，大連理工大學學報
[27] 楊清平, 李俊傑. 重力壩壩踵主拉應力區分布規律的探討，水利學報
[28] 李俊傑，邵龍潭，邵宇. 面板堆石壩永久變形研究，大連理工大學學報
[29] 李俊傑, 馬恆春. 蓄水期面板堆石壩動力特性研究. 岩土工程學報
[30] 李俊傑, 韓國城, 林皋. 混凝土面板堆石壩自振周期簡化公式. 振動工程學報
[31] 李俊傑, 韓國城, 孔憲京. 關門山面板堆石壩三維地震反應分析. 水利學報
[32] 李俊傑, 孔憲京, 韓國城. 面板堆石壩動力破壞計算方法研究. 大連理工大學學報
[33] 李俊傑, 韓國城, 林皋. 混凝土面板堆石壩地震加速度反應規律的幾點研究. 水利學報
[34] 孔憲京, 韓國城, 李俊傑. 關門山面板堆石壩二維地震反應分析. 大連理工大學學報
[35] 韓國城, 孔憲京, 李俊傑. 面板堆石壩動力破壞性態及抗震措施試驗研究. 水利學報
[36] 孔憲京，韓國城，李俊傑，林皋. 防滲面板對堆石壩體自振特性的影響，大連理工大學學報 [37] 楊春雨, 李俊傑. 改進的 SSOR-PCG 快速求解法在高面板堆石壩求解效率和節約內存中的實踐. 水電能源科學,
[38] 曾偉, 李俊傑. 基於 NMM-DDA 的直剪試驗數值模擬. 水電能源科學
[39] 劉景, 李俊傑. 不同開度時溢流壩弧形閘門水流三維數值模擬. 水電能源科學
[40] 曾偉, 李俊傑. 基於數值流形法的土石壩靜力計算數值模擬. 水利水電技術
[41] 宋宜祥, 李俊傑, 康飛. 虹吸井對尾礦壩地震液化的影響分析. 水電能源科學
[42] 康飛, 李俊傑, 馬震岳. 基於人工蜂群演算法的邊坡最危險滑動面搜索. 防災減災工程學報
[43] 楊秀萍, 李俊傑, 康飛. 基於 ACC-RBF 的水布埡面板堆石壩參數反演分析. 水電自動化與大壩監測
[44] 李浩瑾, 李俊傑, 康飛. 基於 ABCA-LSSVM 的復雜工程結構可靠度計算. 水電能源科學
[45] 康飛, 李俊傑, 馬震岳. 邊坡穩定分析的差分進化全局求解. 水電能源科學
[46] 杜文才, 李俊傑. 貯灰壩安全預警模型研究. 水電能源科學
[47] 李浩瑾, 李俊傑, 康飛. 基於 PSO-AHP 的大壩致災因子權重計算. 防災減災工程學報
[48] 胡崢嶸, 李俊傑. 面板堆石壩三維非線性有限元並行計算. 力學與實踐
[49] 康飛，李俊傑，許青，張運花. 改進人工蜂群演算法及其在反演分析中的應用. 水電能源科學
[50] 張運花，李俊傑，康飛. 西龍池面板堆石壩應力變形三維有限元分析. 水電能源科學，第
[51] 宋志宇，李俊傑. 基於模擬退火神經網路模型的岩質邊坡穩定性評價方法. 長江科學院院報
[52] 李俊傑，胡軍，康飛，王誼. 大頂子山溢流壩長閘墩溫度應力模擬計算分析. 水電能源科學
[53] 康飛，馬妹英，李俊傑. 支持向量回歸在貯灰壩滲流監測中的應用. 水電自動化與大壩監測
[54] 宋志宇，李俊傑. 最小二乘支持向量機在大壩變形預測中的應用. 水電能源科學
[55] 張振國，李俊傑，楊曉明. 基於變分原理的三維土坡穩定分析方法研究及應用. 水電能源科學
[56] 劉德志,李俊傑,許青. 基於Internet-Intranet的火電廠貯灰壩自動化安全監測系統. 水電能源科學
[57] 李俊傑，馬妹英，許青. RBF網路在貯灰壩浸潤線預測中的應用. 水電能源科學
[58] 譚志軍， 李俊傑. 混合遺傳演算法在貯灰壩監測系統上的應用. 水電能源科學
[59] 譚志軍，李俊傑. BP 演算法在貯灰壩監測系統中的應用. 水電自動化與大壩監測
[60] 費璟昊，李俊傑，李輝，楊建林. 利用圖像處理實現隧洞測量. 測繪通報
[61] 李俊傑, 李黎, 許勁松等. 中遠船塢抽水工程監測成果分析. 港口工程

㈢ 人工魚群演算法的特點

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，這使得它的應用范圍得以延伸。

㈣ 小學人工智慧編程課學什麼 有什麼用

AI應用領域包括：面向機器人的智能系統、面向網路的智能系統、面向數據的智能分析和面向行業的智能系統等知識單元。各個知識單元有詳盡的知識點。

中小學AI課程學什麼

模塊一、人工智慧概述(AI定義和來龍去脈的歷史故事)

模塊二、工具的進化——從機械化到智能化

模塊三、機器如何感知？(掃地機器人為啥能避障)

模塊四、機器如何識別？

模塊五、什麼是人工神經網路？

模塊六、機器如何處理知識(推理、決策、知識圖譜等)？

模塊七、了解機器學習的基本概念

模塊八、見識機器學習的常用演算法

模塊九、好玩的群體智能(結合生物課中學的知識了解蜂群演算法、蟻群演算法、魚群演算法等優化演算法)

模塊十、了解和體驗遺傳演算法

孩子學人工智慧有什麼用

1. 計算思維實際上包括了數學思維和工程思維，其中最重要的是抽象分析能力和邏輯思考能力。在編寫程序時，首先需要把一件事情抽象出來，再用邏輯化的方法表達出來，所以人工智慧的過程就是鍛煉抽象思維和邏輯表達能力的過程。

2. 根據多元智能理論，學習人工智慧可不僅培養孩子的邏輯思維，而且對數學理解、英語興趣、嚴謹理念、解決問題能力的培養也有促進作用。

3. 孩子通過人工智慧，可以把自己天馬行空的想法親手製作出來。這個過程雖然有艱辛，但是因為是孩子們自己的想法，所以他們都很願意去克服困難。並且在完成過程中，他們又會萌生新的想法，或者進一步將想法具體化。在遇到問題時，他們急於得到幫助，所以提問的問題也會越來越簡短和清楚，思路越來越明確。甚至會主動尋求同學的幫助，也會把自己的心得體會主動地分享給夥伴。

4. 再熟練的程序員也無法確保編寫的程序百分百地正確，同樣，孩子們在編程時會遇到很多意想不到的結果，他們需要去分析為什麼會有目前的效果，原因在哪裡，應該如何去修改……所以說，「出錯」是孩子們最佳的學習機會。

㈤ 人工魚群演算法有哪些

具體演算法如下：

1、起源人工魚群演算法是李曉磊等人於2002年在動物群體智能行為研究的基礎上提出的一種新型方盛優化演算法，該演算法根據水域中魚生存數目最多的地方就是本水域中富含營養物質最多的地方這一特點來模擬魚群的覓食行為而實現尋優。

2、演算法主要利用魚的三大基本行為：覓食、聚群和追尾行為，採用自上而下的尋優模式從構造個體的底層行為開始，通過魚群中各個體的局部尋優，達到全局最優值在群體中凸顯出來的目的。

3該方法採用自下而上的尋優思路，首先設計單個個體的感知、行為機制，然後將一個或一群實體放置在環境中，讓他們在環境的交互作用中解決問題。

4、生態學基礎在一片水域中，魚存在的數目最多的地方就是本水域富含營養物質最多的地方，依據這一特點來模仿魚群的覓食、聚群、追尾等行為，從而實現全局最優，這就是魚群演算法的基本思想。魚類活動中，覓食行為、群聚行為、追尾行為和隨機行為與尋優命題的解決有較為密切的關系，如何利用簡單有效的方式來構造和實現這些行為將是演算法實現的主要為題。

5、人工魚的結構模型人工魚是真實魚抽象化、虛擬化的一個實體，其中封裝了自身數據和一系列行為，可以接受環境的刺激信息，做出相應的活動。其所在的環境由問題的解空間和其他人工魚的狀態，它在下一時刻的行為取決於自身的狀態和環境的狀態，並且它還通過自身的活動來影響環境，進而影響其他人工魚的活動。

㈥ 魚群演算法是什麼

和蟻群演算法其實是一樣的，生物那方面不說了，主要是生成隨機數，經過數次迭代，一次次計算目標函數值從而優化答案，最後看答案分布，這樣就能計算解決全局最優，因為魚群演算法能夠跳出局部最優，所以應用於目標函數的最大值最小值是很有用的，希望能幫到你