几种仿生优化算法的比较

仿生优化算法是通过模拟自然生物进化或者社会行为的随机搜索方法而提出的一种算法。这些算法能够解决许多传统方法难以解决的复杂问题，因此被广泛的应用。文章主要介绍了三种仿生优化算，即法蚁群算法、人工鱼群算法、人工免疫算法。介绍了这几种算法的基本原理、实用范围，以及这三种算法的优缺点及未来的展望。

标签：仿生优化；蚁群算法；人工鱼群算法；人工免疫算法

引言

随着社会的飞速发展，传统的方法已经不能解决我们遇到的许多问题，如指派问题，车间生产问题，旅行路径问题。如果采用传统的方法来解决这类问题将会大大的增加计算机的负担，同时不能够找出最优的解决方案。这就不得不使我们寻找其他的方法。为了能够解决这些问题，科学家们从生物系统的进化和自适应现象找到了灵感，提出了解决问题的最优方案-仿生优化算法。

1 蚁群算法

蚁群算法又称为蚂蚁算法。这种算法是由意大利研究者Dorigo在1991年提出的一种新型算法。它主要是模拟蚂蚁的觅食行为，通过观察蚂蚁如何能在最短的时间寻到一条食物到巢穴的最短路径。生物学家观察和研究发现，蚂蚁觅食是一种群体行为，并不是各自寻找食物。蚂蚁在寻找食物的过程中，每只蚂蚁都会在它行过的路径上分泌一种化学物质，这种化学物质叫作信息素。但是每一条道路上的信息素浓度不一，每条道路上信息素的多少会影响蚂蚁的选择。信息素的浓度越高，这条道路被选择的可能性就越大。蚂蚁就是通过这种信息素来传递信息的，从而寻找到最近的那条道路[2]。从而能够更快的将食物搬入巢穴，也能够减少搬食蚂蚁的数量。蚂蚁算法就是从该模型中受到启发，并且用于寻找最优解。

2 人工鱼群算法

人工鱼群算法是李晓磊博士等在对动物群体智能行为研究的基础上提出的一种新型仿生优化算法，这种算法是根据“水域中鱼生存数目的多少来判断这一水域中营养物质较多的地方”，通过模仿鱼群的觅食行来寻找营养物质较多的地方。

这种现象在日常生活中也可以经常看见，比如钓鱼的时候，通常我们在某个地方钓鱼，首先要撒鱼饵或者鱼料，然后过一阵便会有成群结队的鱼游过来。鱼群算法就是根据鱼的多少来找出水域中营养物质较高的地方。人工鱼群就是用人鱼来模仿鱼群的觅食、聚集、追尾，从而实现最优解。