人工鱼群算法！
这是我在其他网站找到的一些程序，希望大家一起讨论下!【原创】基于人工鱼群算法的投影寻踪模型通用MATLAB源码题目：基于人工鱼群算法的投影寻踪模型通用MATLAB源码投影寻踪模型常与遗传算法相结合，用于分类和综合评价，这里给出了一种基于蚁群算法的投影寻踪模型通用MATLAB程序，本源码由GreenSim团队原创，转载请注明，有意购买源码或代写相关程序，请与GreenSim团队联系（主页http://blog.sina.com.cn/greensim）。function =FSOUCP(K,N,V,Delta,L,LB,UB,D,Alpha)
%% 此函数实现人工鱼群算法，用于求解投影寻踪分类模型
% GreenSim团队原创作品，转载请注明
% Email:greensim@163.com
% GreenSim团队主页：http://blog.sina.com.cn/greensim
% 欢迎访问GreenSim——算法仿真团队→http://blog.sina.com.cn/greensim
%% 输入参数列表
% K 迭代次数
% N 鱼群规模
% V 人工鱼的感知范围
% Delta 拥挤程度的判决门限，取值0～1之间
% L 觅食行为的试探次数
% LB 决策变量的下界，M×1的向量
% UB 决策变量的上界，M×1的向量
% D 样本指标矩阵，n×p的矩阵，每一行为一个样本
% Alpha 窗口半径系数，典型取值0.1
%% 输出参数列表
% BESTX K×1细胞结构，每一个元素是M×1向量，记录每一代的最优人工鱼的状态
% BESTY K×1矩阵，记录每一代的最优人工鱼的评价函数值
% ALLX K×1细胞结构，每一个元素是M×N矩阵，记录每一代人工鱼的位置
% ALLY K×N矩阵，记录每一代人工鱼的评价函数值
%% 测试函数设置
% 测试函数用单独的子函数编写好，在子函数FIT.m中修改要调用的测试函数名即可
% 注意：决策变量的下界LB和上界UB，要与测试函数保持一致
%% 参考设置
%=FSOUCP(50,30,0.5,0.3,20,LB,UB)
%% 第一步：
M=length(LB);%决策变量的个数
%蚁群位置初始化
X=zeros(M,N);
for i=1:M
x=unifrnd(LB(i),UB(i),1,N);
X(i,:)=x;
end
%输出变量初始化
ALLX=cell(K,1);%细胞结构，每一个元素是M×N矩阵，记录每一代的个体
ALLY=zeros(K,N);%K×N矩阵，记录每一代评价函数值
BESTX=cell(K,1);%细胞结构，每一个元素是M×1向量，记录每一代的最优个体
BESTY=zeros(K,1);%K×1矩阵，记录每一代的最优个体的评价函数值
k=1;%迭代计数器初始化
%% 第二步：迭代过程
while k<=K
NewX=zeros(M,N);
NewY=zeros(1,N);
for n=1:N
x=X(:,n);
Xnb=AFneighbour(n,X,V);
NN=size(Xnb,2);
if NN==0
xx=AFprey(x,V,L,LB,UB,D,Alpha);
elseif NN>=3
xx=AFswarm(x,Xnb,N,Delta,V,L,LB,UB,D,Alpha);
else
xx=AFprey(x,V,L,LB,UB,D,Alpha);
end
NewX(:,n)=xx;
end
for n=1:N
NewY(n)=FIT(NewX(:,n),D,Alpha);
end
X=NewX;
Y=NewY;
ALLX{k}=X;
ALLY(k,:)=Y;
pos=find(Y==minY);
BESTXk=X(:,pos(1));
b=sqrt(sum(BESTXk.^2));
BESTXk=BESTXk/b;
BESTX{k}=BESTXk;
BESTY(k)=minY;
disp(k);
k=k+1;
end
%% 绘图
BESTY2=BESTY;
BESTX2=BESTX;
for k=1:K
TempY=BESTY(1:k);
minTempY=min(TempY);
posY=find(TempY==minTempY);
BESTY2(k)=minTempY;
BESTX2{k}=BESTX{posY(1)};
end
BESTY=BESTY2;
BESTX=BESTX2;
plot(BESTY,'-ko','MarkerEdgeColor','k','MarkerFaceColor','k','MarkerSize',2)
ylabel('函数值')
xlabel('迭代次数')
grid on
function Qa=Project_Pursuit(X,a,Alpha)
%% 投影寻踪模型
%% 输入参数列表
% X 洪水样本指标矩阵，n×p的矩阵，每一行为一个样本，
% Xij表示第i次洪水第j洪水指标，X是否已经归一化均可
% a 投影向量，1×p的矩阵，元素取值范围-1～1，要求其元素平方和等于1
% Alpha 窗口半径系数，典型取值0.1
%% 输出参数列表
% Qa 投影指标函数
%% 第零步：对a的预处理
b=sqrt(sum(a.^2));
a=a/b;
%% 第一步：归一化处理
=size(X);
x=zeros(n,p);
Xjmax=max(X);
Xjmin=min(X);
for i=1:n
x(i,:)=(X(i,:)-Xjmin)./(Xjmax-Xjmin);
end
%% 第二步：构造投影指标值
Z=zeros(n,1);
for i=1:n
Z(i)=sum(a.*x(i,:));
end
%% 第三步：计算投影指标函数
meanZ=mean(Z);
R=Alpha*Sa;%窗口半径
Da=0;
for k=1:n
rik=abs(Z(i)-Z(k));
if R>rik
Da=Da+rik;
end
end
Qa=Sa*Da;欢迎访问GreenSim团队主页：http://blog.sina.com.cn/greensim
欢迎访问GreenSim——算法仿真团队→http://blog.sina.com.cn/greensim 听说这是中国人自己提出的启发式智能算法。 【共享】涂晓媛的“人工鱼”与李晓磊的“人工鱼群算法”简介！
涂晓媛的“人工鱼”
zz摘自：软件世界（147）
中国青年学者涂晓媛在1996年获国际计算学会acm最佳博士论文奖，她的获奖论文题目是“人工动物的计算机动画”(artificial animals for computer animation: biomechanics , locomotion, perception and behavior)。acm是计算机科学领域的国际性权威学术机构，颁发“图灵奖”、“最佳博士论文奖”等计算机科学技术界的高级奖励。涂晓媛是第一位也是迄今唯一一位获此殊荣的中国学者。
涂晓媛博士研究开发的新一代计算机动画“人工鱼”被学术界称之为“晓媛的鱼”（xiaoyuan's fish），被引用于在英语国家通用的数学教科书。题头图片就是教科书中的插图。
“晓媛的鱼”被许多西方国家的学术刊物广泛介绍，但在中国，却只有几家报纸简短介绍过。“晓媛的鱼”具有极高的学术价值，并且我们相信它可以为国内的计算机动画开发者提供新的思路。
为此，本刊记者专门走访了涂晓媛博士的父亲—中国人工智能学会理事长、北京科技大学涂序彦教授，就“人工鱼”的一些问题向他请教。
一、什么是“人工鱼”？它是“动画鱼”吗？
据涂教授介绍，晓媛研究开发的“人工鱼”（artificial fish）是基于生物物理和智能行为模型的计算机动画新技术，是在虚拟海洋中活动的人工鱼社会群体。请看图1。
图1 一个多彩的虚拟海底世界
“人工鱼”不同于一般的计算机“动画鱼”之处在于：“人工鱼”具有“人工生命”的特征，具有“自然鱼”的某些生命特征，如：意图、习性、感知、动作、行为等。
“人工鱼”的形态（外形、颜色、姿态）和“自然鱼”非常相似，几乎达到了“以假乱真”的程度。在一次国际会议上，晓媛演示了“人工鱼”的录像，人们看到屏幕上一群色彩美丽、活泼可爱的热带鱼，在海水中漫游，逼真的外形、生动的姿态，伴随着水流的运动，还以为是在水族馆中拍摄的真热带鱼的录像。直到晓媛把“人工鱼”的彩色消隐，变成黑白的鱼，再把“人工鱼”的肌肉剥离，剩下一群热带鱼的骨架在游泳，才确信这是计算机动画的“人工鱼”。
“人工鱼”和一般的“动画鱼”的不同之处还在于：“人工鱼”具有某些自然鱼的“活”性。
“人工鱼”有“鱼脑”、“鱼眼”，能感知其他的“人工鱼”和海底环境，有“鱼肉”、“鱼骨”、“鱼嘴”、“鱼头”、“鱼尾”、“鱼鳍”等，能产生类似于自然鱼的随意动作和行为。例如：人工鱼有性欲，当“雄鱼”看到“雌鱼”时，会产生求爱的动作，以获得配偶（请看图2）；人工鱼有饥饿感，当看到食物时，会进行扑食（请看图3）；人工鱼有学习能力，若一条鱼误吞了鱼饵，被鱼钩钩上，会进行挣扎，而其他的“人工鱼”，就会吸取教训不再上当，不去吞食带钩的鱼饵，离开钓鱼的水域；“人工鱼”有恐惧感，如果发现凶恶的鲨鱼来侵犯，都迅速散开，东奔西逃，脱离危险……
图2 雄鱼向雌鱼求爱
从计算机动画创作的观点，也可以说，“人工鱼”是新一代的计算机动画。但人工鱼具有思维、感知、行为等多层次的智能，具有饥饿感、性欲、恐惧感，具有游泳能力、进食能力、学习能力、逃避能力、避障能力、集群能力、求偶能力等多方面的习性和功能。在一般的计算机动画中，创作者需要在动画设计和程序编制中确定动画鱼的所有动作的细节，预先知道动画鱼的全部动作过程。然而，人工鱼的创作者并不去设计和规定每条鱼的动作和行为的细节，也不能预知人工鱼群中可能发生的各种具体动作和实际行为。例如，“人工鱼”的创作者虽然赋予“人工鱼”的求偶性能，但是，不必规定，也不知道，某条“雄鱼”将在什么时间、什么地点、以什么方式、对哪一条雌鱼产生求爱行为，举行求婚仪式。
图3 侵略者鲨鱼偷袭被扑食的小鱼群
二、“人工鱼”有“人工智能”吗？
涂教授很肯定地说：“人工鱼是具有人工智能的，人工鱼群体是一种典型的多智能主体（multiple intelligent agent）的分布式人工智能系统（distributive artificial intelligent system）。”
晓媛研究开发的“人工鱼”是栖息在虚拟海底世界中人工鱼群的社会，其中，每条“人工鱼”都是一个自主的智能体（autonomous intelligent agent），都可以独立地活动，也可以相互交往。每条鱼都表现出某些人工智能，如：自激发（self-animating）、自学习（self-learning）、自适应（self-adapting）等智能特性，所以会产生相应的智能行为，如：因饥饿而激发寻食、进食行为；有性欲而激发求爱行为；能学习其他鱼被鱼钩钓住的教训，而不去吞食有钩的鱼饵（请看图4）；能适应有鲨鱼的社会环境，逃避被扑食的危险等（请看图5）。人工鱼群的社会具有某些自组织（self-organizing）能力和智能集群行为。如：人工鱼群体在漫游中遇到障碍物等，会识别障碍改变队形，绕过障碍后，又重组队列，继续前进。因此，从人工智能的角度看来，“晓媛的鱼”是一种基于智能主体的分布式人工智能系统，这正是人工智能当前的研究发展动向。因此，“人工鱼”也是人工智能的研究对象之一。
图4 一条可怜的鱼被钓出水面
图5 逃散的鱼群
三、“人工鱼”是“人工生命”吗？与“多莉羊”有什么不同？
涂教授介绍说，“人工生命”（artificial life）是指具有“自然生命”特性和功能的人造系统，或者说是“人造活体”，这里，“活体”是指有生命特征的个体或群体。
“人工生命”是当前生命科学、信息科学、系统科学及工程技术科学的研究热点，也是人工智能、计算机、自动化科学技术的发展动向之一。它的研究方法和技术途径，可以分为两类：
其一是生命科学途径。如：生物化学、分子生物学、遗传学、基因工程、“克隆”技术等，用人工方法合成蛋白质，用克隆技术进行哺乳动物的无性繁殖。如：人工胰岛素、人工羊等。
其二是工程技术途径。如：仿生学、控制论、人工智能、计算机科学技术等，用电子技术、精密机械技术、计算机软、硬件技术，设计和制造出人工生命的工程技术模型，如：人工脑模型、智能进化机器人、人工动物模型、人工植物生长模型……
晓媛的“人工鱼”是由工程技术路径研究开发的“人工生命”，是基于生物物理和智能行为模型的，用计算机动画技术在屏幕上画出来的“人工鱼”，是具有自然鱼生命特征的计算机动画。而“人工羊”多莉是由生命科学途径，用基于生物化学和遗传工程的无性繁殖方法，在胚胎中生出来的“人工生命”，是自然羊的同类生物。
四、怎样创作“人工鱼”？
“人工鱼”不同于一般的“动画鱼”，它的创作方法，涂教授建议大家去参阅dr. xiaoyuan tu 关于“人工鱼”的著作，acm将出版她的专著，也可以通过internet查询晓媛的网页www.dgp.toronto.edu/people/tu/。
涂教授的个人看法是，虽然“人工鱼”是基于计算机动画技术的“人工生命”，但是，“人工鱼”的动画创作方法和技术，已经突破了传统的计算机动画的框架，是新一代的计算机动画创作方法和技术。
首先，“人工鱼”不仅有逼真于“自然鱼”的外形和彩色，而且具有类似于“自然鱼”的运动和姿态。这样，就需要研究开发一种基于“自然鱼”的生物物理和生物力学、“自然鱼”的形态学和解剖学、计算机图形学、运动学、动力学的“人工鱼”建模方法和技术。从而，使“人工鱼”在三维虚拟的海底世界中，通过肌肉和骨骼的伸缩和变形的协调控制，利用鱼鳍、鱼尾的动作和鱼体的姿态变化，以及海水及水中植物、岩石等的相互作用，在流体动力学、运动学条件下，产生各种优美的随意运动，如：前进后退、左右转身、上下翻滚、摇头摆尾……“人工鱼”不仅有运动协调控制，还有姿态协调控制。不仅和“自然鱼”静态相似，而且动态相似。
其次，“人工鱼”不仅具有“自然鱼”的形态，而且具有“自然鱼”类似的生命特性—“活性”。如：“人工鱼”有饥饿感、性欲、恐惧感等，会寻觅食物，吞咽食物；会寻求配偶，进行求爱；会发现危险，进行逃避等。为此，在“人工鱼”的创作中，需要研究开发基于自然鱼的“动物行为学”的智能行为动画模型。从而，可以使“人工鱼”具有基本行为和激发行为，如：进食、避障等条件反射行为；求偶、逃避等激发行为，以及人工鱼社会的集群行为等。
再次，“人工鱼”是具有人工智能的“灵巧鱼”，而传统的“动画鱼”是程序化的“木偶鱼”。在“人工鱼”中，有“意图发生器”（intention generator）相应于“鱼脑”，其中，具有人工鱼的某些特性参量，如：雄鱼或雌鱼，喜明或喜暗，贪食或不贪食，胆大或胆小等。有基于计算机视觉的虚拟感受器官—“鱼眼”，有光感、距离感以及非视觉的温度感等，因此，人工鱼可以识别和感知其他人工鱼以及周围的虚拟海洋环境，如：水草、岩石、水温、光照等。
意图发生器是人工鱼的“感知中心”，将各种感知信息与特性参量相结合，产生人工鱼的动作意图，如：搜索食物、扑食进食等。并且具有集中注意力的意图集中或知觉集中机制，可以使“人工鱼”将注意力集中在当前主要的感知和行为上，抑制或滤除其他次要信息或干扰。因此，“人工鱼”是在动态的虚拟水底世界中，以“感知-动作”模式，具有自主能力的，自激发、自适应的智能体。需要创作和设计人工鱼的“意图发生器”、“多感知融合器”、“运动协调控制器”等。
最后“人工鱼”不是一条单独的“动画鱼”，而是具有各种不同的人工鱼的鱼群社会，其中，各种人工鱼之间的相互通信、相互交往、相互作用，组成人工鱼社会。如：由领头的鱼带队漫游的鱼群；由雌鱼和雄鱼组成的人工鱼配偶或情侣；由大鲨鱼和小热带鱼形成的“弱肉强食”的鱼社会……因此，“人工鱼”社会是一种具有多智能体（multi-agent）的分布式人工智能系统。由于多智能体之间多种多样的相互影响、相互作用，使人工鱼社会出现丰富多采的群体行为和生态现象。一方面，提高了人工鱼群对自然鱼群的逼真度，丰富了人工鱼社会现象和活动内容；另一方面，也增加了人工鱼的动作和行为细节的不可预知性、事件的突发性及活动的趣味性。这是传统的动画中的“木偶鱼”做不到的。也就是说，人工鱼的具体动作和实际行为并不是创作者都可以预知的、规定的。“人工鱼”的动画是在自然鱼的生物物理和智能行为模型驱动下由计算机“自动”画出来的，这是不同于传统动画的新一代的计算机动画创作方法和技术。
五、“人工鱼”有何意义和价值？
涂教授认为“人工鱼”有以下几方面的意义和价值。
首先，“人工鱼”开拓了计算机动画创作的新途径。因为，在自然环境中栖息活动的生物群体，是长期困扰着计算机动画创作者的“老大难”问题。如果用传统的计算机动画创作方法和技术，去创作“人工鱼”这种在虚拟海洋环境中活动的多种人工鱼的社会群体，是十分复杂而又极其繁琐的。不仅要在软件设计和程序编制中，详细规定每一条动画鱼的每一个采样时刻、每一个动作、每一种体形、每一种姿态，而且，要具体描述许多条动画鱼之间的相互关系、相互位置、相互作用，其计算复杂性将以指数率增长，造成“组合爆炸”，即使采用高速、大容量的计算机，也未必能使动画鱼群达到逼真于自然鱼群的满意效果。“人工鱼”的研究与开发，突破了传统计算机动画的框架，开拓了计算机动画创作的新途径。提供了基于生物物理和智能行为模型的、具有人工生命特征、自动生成计算机动画的创作方法和技术。不仅显著地减少了动画创作者对计算机动画生成过程的介入和干预，而且有效地提高了动画的逼真度和临场感。
其次，“人工鱼”提供了“人工生命”的新范例。
“人工鱼”的研究开发成功，一方面为基于计算机动画的“人工生命”提供了新的范例，另一方面，也为在屏幕上创建其他人工生命，提供了动画创作的新方法—基于生物物理和智能行为模型的动画生成方法。人们可以把“人工鱼”作为范例，用基于生物物理和智能行为模型的动画生成方法，研究开发计算机屏幕、电视、电影屏幕上的各种“人工生命”，例如：“人工猫”、“人工狗”、“人工鸟”、“人工马”……乃至于“人工人”……结合虚拟现实技术，可以创作和摄制各种基于计算机动画的电视片和电影片。
再次，“人工鱼”实现了分布式“人工智能”。
“人工鱼”以计算机动画的模式、在屏幕上实现了分布式“人工智能”系统—“人工鱼社会”群体。在人工鱼社会中，每一条人工鱼都是一个自激发的自主的智能体（self-animating autonomous intelligent agent）。具有模拟自然鱼的动物人工智能，在意图、感知、行为等多层次上，以“感知-动作”的模式，如：“寻食-进食”、“求偶-交配”、“惊恐-逃逸”、“钩住-挣扎”……在多方面表现出智能行为。在人工鱼群体中，分布在虚拟海底世界中的各种人工鱼，体现出复杂的相互关系和智能社会行为，如：配偶关系、敌对关系、同伴关系和集群行为、逃逸行为、求偶行为等。因此，“人工鱼”也提供了多智能体分布式人工智能系统的一种范例，以及相应的设计方法和实现技术。类似地，也可以借鉴、推广应用于其他分布式人工智能系统，如：智能机器人的群体的研究与开发。
国际计算学会acm最佳博士论文奖获得者 感觉涂晓媛的“人工鱼”侧重于智能动画，或者说动画的智能行为；
而李晓磊的“人工鱼群”侧重于算法，是一种启发式的仿生智能算法。两者的区别还是比较大的。
QQ：87999379
回复 地板 huright 的帖子
你说的太对了，但李晓磊的鱼存在明显的缺陷！我在很多论文上发现现在的一种改进的人工鱼群算法，下面这个是人工鱼群的简要步骤：artifical fish-warm algorithm
xp(v1,v2……vn)个体的当前位置，d(p,q)=(1/n)*{^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)={ifx(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) <0.51,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 每一个算法的提出都会有一些缺陷，对其改进的方法一般都是针对某一类缺陷而做的，这样对研究生很好，改进一点或者两个智能算法的联合计算就能出点成果出来了！
页:
[1]