论文部分内容阅读
受人们日常捕鱼思想的启发,网鱼算法从随机搜索优化的最基本的特征出发,采用连动随机策略,在计算机上先编织两类(一大一小)所谓的特殊数据网。然后通过在整个搜索范围内进行有序的合理撒网,并及时观察撒网后的动态,从一新的角度较好地实现了随机搜索优化的目标。在针对一些典型算法测试函数的测试实验中,通过比较网鱼算法与遗传算法,结果显示:当面对的问题事先不知道任何有关最优者的特点时,网鱼算法比遗传算法更一般化,适应的问题更宽广。
网鱼算法属于一种既顾全大局又有侧重的随机性与确定性相融合的随机搜索优化算法。本论文首先是抓住网鱼算法的一个具体实例进行详细全面的剖析,并在多方面展开了测试实验。随后,在已有实例成果的基础上,作者提出了“相对极值理论”并对网鱼算法进行了理论方面的探讨。最后,根据相对极值理论与实际需要对现有的实例进行了拓展、归纳并形成了“广义网鱼算法”。