人工鱼群算法及其应用pdf

㈠ 什么是鱼群算法

artifical fish-warm algorithm
xp(v1,v2……vn)个体的当前位置，d(p,q)=(1/n)*{[v(p,1)-v(q,1)]^2+……[v

(p,n)-v(q,n)]^2}，两个体的距离，（不知道为什么用1/n而不是开平方）；visual

一只鱼的感知距离。@拥挤度因子。
第一步：觅食人工鱼当前位置为Xi，在可见域内随机选择一个位置Xj（d(ij)

<=visual），如xj优于xi向xj前进一步，否则随机移动一步。如出现不满足约束则

剪去。X(j+1,k)={if x(i,k)=x(j,k) 不变，else x(j+1,k)=随机(0,1)}。
第二步：聚群：
xi可见域内共有nf1条鱼。形成集合KJi,KJi={Xj|Dij<=visual},if KJi不为空，

then
X(center)=(xj1+xj2+.....xjn)/nf1(xjk属于kji)
X(center,k)=0,X(center,k)<0.5 1,X(center,k)>=0.5
若：FCc/nf1>@FCi(FCc为中心食物浓度，FCi为Xi点食物浓度)
则：向中心移动：X(i+1,k)=不变，当Xik=X(center,k)时;Xik=随机（0，1），当

Xik!=X(center,k)时;
若：FCc/nf1<@FCi
则：进行觅食
第三步：追尾
在visual范围内，某一个体食物浓度最大则称为Xmax，若：FCmax>@FCi,则向它移动

：X(i+1,k)=当X(i,k)=X(max,k)时，X(i,k)不变，当X(i,k)!=X(max,k)时，X(i,k)=

随机（0,1）
第四步：公告板
在运算过程中，用公告板始终记录下最优FCi

㈡ 李俊杰的出版着作和论文

部分代表性论文如下： [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, 曾伟, 李俊杰. 基于数值流形法的土质边坡动力稳定性分析. 岩土工程学报
[16] 汪旭, 康飞, 李俊杰. 土石坝地震永久变形参数反演方法研究. 岩土力学
[17] 李浩瑾, 李俊杰, 康飞. 基于 LSSVM 的重力坝地震稳定易损性分析. 振动与冲击
[18] 李浩瑾, 李俊杰, 康飞, 张勇. 重力坝纵缝非连续接触的地震反应分析. 大连理工大学学报
[19] 周晖, 李俊杰, 康飞.面板堆石坝坝顶加速度沿坝轴线分布规律.岩土力学
[20] 康飞, 李俊杰, 许青. 混合蜂群算法及其在混凝土坝动力参数反演中的应用. 水利学报
[21] 康飞, 李俊杰, 许青. 堆石坝材料参数反演的蚁群聚类RBF网络模型. 岩石力学与工程学报
[22] 宋志宇，李俊杰，汪宏宇. 混沌人工鱼群算法在重力坝材料参数反演中的应用. 岩土力学
[23] 宋志宇，李俊杰. 基于微粒群算法的大坝材料参数反分析研究. 岩土力学
[24] 胡军, 李俊杰, 刘德志. 考虑剪切抗力的修正土钉单元及其应用. 岩土力学
[25] 刘德志, 李俊杰. 大坝安全监测资料的非线性检验, 应用基础与工程科学学报
[26] 刘德志, 李俊杰. 土石坝安全监测软件系统设计与实现，大连理工大学学报
[27] 杨清平, 李俊杰. 重力坝坝踵主拉应力区分布规律的探讨，水利学报
[28] 李俊杰，邵龙潭，邵宇. 面板堆石坝永久变形研究，大连理工大学学报
[29] 李俊杰, 马恒春. 蓄水期面板堆石坝动力特性研究. 岩土工程学报
[30] 李俊杰, 韩国城, 林皋. 混凝土面板堆石坝自振周期简化公式. 振动工程学报
[31] 李俊杰, 韩国城, 孔宪京. 关门山面板堆石坝三维地震反应分析. 水利学报
[32] 李俊杰, 孔宪京, 韩国城. 面板堆石坝动力破坏计算方法研究. 大连理工大学学报
[33] 李俊杰, 韩国城, 林皋. 混凝土面板堆石坝地震加速度反应规律的几点研究. 水利学报
[34] 孔宪京, 韩国城, 李俊杰. 关门山面板堆石坝二维地震反应分析. 大连理工大学学报
[35] 韩国城, 孔宪京, 李俊杰. 面板堆石坝动力破坏性态及抗震措施试验研究. 水利学报
[36] 孔宪京，韩国城，李俊杰，林皋. 防渗面板对堆石坝体自振特性的影响，大连理工大学学报 [37] 杨春雨, 李俊杰. 改进的 SSOR-PCG 快速求解法在高面板堆石坝求解效率和节约内存中的实践. 水电能源科学,
[38] 曾伟, 李俊杰. 基于 NMM-DDA 的直剪试验数值模拟. 水电能源科学
[39] 刘景, 李俊杰. 不同开度时溢流坝弧形闸门水流三维数值模拟. 水电能源科学
[40] 曾伟, 李俊杰. 基于数值流形法的土石坝静力计算数值模拟. 水利水电技术
[41] 宋宜祥, 李俊杰, 康飞. 虹吸井对尾矿坝地震液化的影响分析. 水电能源科学
[42] 康飞, 李俊杰, 马震岳. 基于人工蜂群算法的边坡最危险滑动面搜索. 防灾减灾工程学报
[43] 杨秀萍, 李俊杰, 康飞. 基于 ACC-RBF 的水布垭面板堆石坝参数反演分析. 水电自动化与大坝监测
[44] 李浩瑾, 李俊杰, 康飞. 基于 ABCA-LSSVM 的复杂工程结构可靠度计算. 水电能源科学
[45] 康飞, 李俊杰, 马震岳. 边坡稳定分析的差分进化全局求解. 水电能源科学
[46] 杜文才, 李俊杰. 贮灰坝安全预警模型研究. 水电能源科学
[47] 李浩瑾, 李俊杰, 康飞. 基于 PSO-AHP 的大坝致灾因子权重计算. 防灾减灾工程学报
[48] 胡峥嵘, 李俊杰. 面板堆石坝三维非线性有限元并行计算. 力学与实践
[49] 康飞，李俊杰，许青，张运花. 改进人工蜂群算法及其在反演分析中的应用. 水电能源科学
[50] 张运花，李俊杰，康飞. 西龙池面板堆石坝应力变形三维有限元分析. 水电能源科学，第
[51] 宋志宇，李俊杰. 基于模拟退火神经网络模型的岩质边坡稳定性评价方法. 长江科学院院报
[52] 李俊杰，胡军，康飞，王谊. 大顶子山溢流坝长闸墩温度应力仿真计算分析. 水电能源科学
[53] 康飞，马妹英，李俊杰. 支持向量回归在贮灰坝渗流监测中的应用. 水电自动化与大坝监测
[54] 宋志宇，李俊杰. 最小二乘支持向量机在大坝变形预测中的应用. 水电能源科学
[55] 张振国，李俊杰，杨晓明. 基于变分原理的三维土坡稳定分析方法研究及应用. 水电能源科学
[56] 刘德志,李俊杰,许青. 基于Internet-Intranet的火电厂贮灰坝自动化安全监测系统. 水电能源科学
[57] 李俊杰，马妹英，许青. RBF网络在贮灰坝浸润线预测中的应用. 水电能源科学
[58] 谭志军， 李俊杰. 混合遗传算法在贮灰坝监测系统上的应用. 水电能源科学
[59] 谭志军，李俊杰. BP 算法在贮灰坝监测系统中的应用. 水电自动化与大坝监测
[60] 费璟昊，李俊杰，李辉，杨建林. 利用图像处理实现隧洞测量. 测绘通报
[61] 李俊杰, 李黎, 许劲松等. 中远船坞抽水工程监测成果分析. 港口工程

㈢ 人工鱼群算法的特点

1)具有较快的收敛速度，可以用于解决有实时性要求的问题；
2)对于一些精度要求不高的场合，可以用它快速的得到一个可行解；
3)不需要问题的严格机理模型，甚至不需要问题的精确描述，这使得它的应用范围得以延伸。

㈣ 小学人工智能编程课学什么 有什么用

AI应用领域包括：面向机器人的智能系统、面向网络的智能系统、面向数据的智能分析和面向行业的智能系统等知识单元。各个知识单元有详尽的知识点。

中小学AI课程学什么

模块一、人工智能概述(AI定义和来龙去脉的历史故事)

模块二、工具的进化——从机械化到智能化

模块三、机器如何感知？(扫地机器人为啥能避障)

模块四、机器如何识别？

模块五、什么是人工神经网络？

模块六、机器如何处理知识(推理、决策、知识图谱等)？

模块七、了解机器学习的基本概念

模块八、见识机器学习的常用算法

模块九、好玩的群体智能(结合生物课中学的知识了解蜂群算法、蚁群算法、鱼群算法等优化算法)

模块十、了解和体验遗传算法

孩子学人工智能有什么用

1. 计算思维实际上包括了数学思维和工程思维，其中最重要的是抽象分析能力和逻辑思考能力。在编写程序时，首先需要把一件事情抽象出来，再用逻辑化的方法表达出来，所以人工智能的过程就是锻炼抽象思维和逻辑表达能力的过程。

2. 根据多元智能理论，学习人工智能可不仅培养孩子的逻辑思维，而且对数学理解、英语兴趣、严谨理念、解决问题能力的培养也有促进作用。

3. 孩子通过人工智能，可以把自己天马行空的想法亲手制作出来。这个过程虽然有艰辛，但是因为是孩子们自己的想法，所以他们都很愿意去克服困难。并且在完成过程中，他们又会萌生新的想法，或者进一步将想法具体化。在遇到问题时，他们急于得到帮助，所以提问的问题也会越来越简短和清楚，思路越来越明确。甚至会主动寻求同学的帮助，也会把自己的心得体会主动地分享给伙伴。

4. 再熟练的程序员也无法确保编写的程序百分百地正确，同样，孩子们在编程时会遇到很多意想不到的结果，他们需要去分析为什么会有目前的效果，原因在哪里，应该如何去修改……所以说，“出错”是孩子们最佳的学习机会。

㈤ 人工鱼群算法有哪些

具体算法如下：

1、起源人工鱼群算法是李晓磊等人于2002年在动物群体智能行为研究的基础上提出的一种新型方盛优化算法，该算法根据水域中鱼生存数目最多的地方就是本水域中富含营养物质最多的地方这一特点来模拟鱼群的觅食行为而实现寻优。

2、算法主要利用鱼的三大基本行为：觅食、聚群和追尾行为，采用自上而下的寻优模式从构造个体的底层行为开始，通过鱼群中各个体的局部寻优，达到全局最优值在群体中凸显出来的目的。

3该方法采用自下而上的寻优思路，首先设计单个个体的感知、行为机制，然后将一个或一群实体放置在环境中，让他们在环境的交互作用中解决问题。

4、生态学基础在一片水域中，鱼存在的数目最多的地方就是本水域富含营养物质最多的地方，依据这一特点来模仿鱼群的觅食、聚群、追尾等行为，从而实现全局最优，这就是鱼群算法的基本思想。鱼类活动中，觅食行为、群聚行为、追尾行为和随机行为与寻优命题的解决有较为密切的关系，如何利用简单有效的方式来构造和实现这些行为将是算法实现的主要为题。

5、人工鱼的结构模型人工鱼是真实鱼抽象化、虚拟化的一个实体，其中封装了自身数据和一系列行为，可以接受环境的刺激信息，做出相应的活动。其所在的环境由问题的解空间和其他人工鱼的状态，它在下一时刻的行为取决于自身的状态和环境的状态，并且它还通过自身的活动来影响环境，进而影响其他人工鱼的活动。

㈥ 鱼群算法是什么

和蚁群算法其实是一样的，生物那方面不说了，主要是生成随机数，经过数次迭代，一次次计算目标函数值从而优化答案，最后看答案分布，这样就能计算解决全局最优，因为鱼群算法能够跳出局部最优，所以应用于目标函数的最大值最小值是很有用的，希望能帮到你