從算法的名字中可以看出該算法是群體智能優化算法中的一種，人工魚群算法通過模擬魚群的覓食、聚群、追尾、隨機等行為在搜索域中進行尋優。

人工魚群算法有三個比較重要的概念：視野范圍、k-距離鄰域、多條魚的中心。

 

一 | 基本概念

1 | 視野范圍Visual

人工魚群算法最重要的概念就是視野范圍Visual，在定義視野范圍之前大家需要明白兩條魚之間的“距離”是怎么計算的，如果是在二維平面上，那這個“距離”就是我們常規的歐式距離。

但如果用魚群算法求解組合優化問題呢，這個“距離”如何定義呢？

以常見的TSP問題為例，如果城市數目為5，則兩條魚（每條魚表示一條可行路徑）可以分別表示為

1 2 3 4 5

3 2 4 1 5

那么TSP問題中兩條魚之間的“距離”為對應位置上不同元素數目之和，這兩條魚只有在第二個和第五個位置元素相同，即為2和5，其余三個位置元素都不相同，所以這兩條魚之間的“距離”為3。

 

用數學表達式表達的形式為：如果有n個城市，一條魚表示成

總結

以上是生活随笔為你收集整理的matlab实战系列之人工鱼群算法求解TSP问题原理解析（下篇源码解析）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。