1.算法仿真效果
matlab2022a仿真结果如下：
2.算法涉及理论知识概要
人工鱼群算法（Artificial Fish Swarm Algorithm，简称AFSA）是受鱼群行为的启发，由国内李晓磊博士于2002年提出的一种基于动物行为的群体智能优化算法，是行为主义人工智能的一个典型应用，这种算法源于鱼群的觅食行为。
在一片水域中，鱼往往能自行或尾随其它鱼，找到营养物质多的地方，因而鱼生存数目最多的地方一般就是本水域中营养物质最多的地方。人工鱼群算法根据这一特点，通过构造人工鱼来模仿鱼群的觅食、聚群、追尾及随机行为，从而实现寻优。
人工鱼(AF)是真实鱼的仿制品，用于分析和问题解释（Neshat、Sepidnam、Sargolzaei和Toosi(2012)）。鱼类大多生活在食物充足的地区，它们通过跟随其他鱼类或单独寻找食物，向食物较多的地区移动。鱼类数量最多的地区通常是食物最多的。每条人工鱼的下一步行为取决于它目前的状态以及局部的环境状态，AF通过自身行为以及同伴的行为来影响环境。
（1）觅食行为（Prey）
（2）聚群行为（Swarm）
（3）追尾行为（Follow）
（4）随机行为
（5）行为选择
这是鱼类的生存习惯，反映出了鱼类的自主行为。在人工鱼群算法中，觅食行为奠定了算法的收敛基础，聚群行为增强了算法收敛的稳定性，追尾行为增强了算法收敛的快速性与全局性，行为选择策略则是为算法收敛的速度与稳定性提供了保障。
3.MATLAB核心程序 `tic,
yjzl=yjzl;
dxzl=dxzl;
Pi=Pi;
[N,row]=size(Pi); %N为节点数
fish=40; %控制参数：人工鱼的条数
visual=7; %控制参数：视野
delta=0.35; %控制参数：拥挤度
step=5; %控制参数：人工鱼移动的步长
maxcalculation=100; %收敛条件：最大迭代次数
objectvalue=zeros(1,fish); %食物浓度矩阵（1×fish）
[NN,row]=size(dxzl); %NN为待选线路的维数
status=rand(fish,NN); %人工鱼位置状态矩阵status
for i=1:fish
for j=1:NN
if status(i,j)<=0.5
status(i,j)=0;
else
status(i,j)=1;
end
end
end
minvalue=inf;
for fishnumber=1:fish
x=status(fishnumber,:);
[B1,B,BL,NEW,NL,L,nbl]=builtnet(x,dxzl,yjzl);
[tong]=liantong(N,L,BL);
if tong>1
objectvalue(fishnumber)=inf;
else
[operate,overflowvalue]=dcflow(N,L,BL,Pi,nbl);
construction=0;
for i=1:NEW
construction=construction+25*B1(i,6); %计算建设费用每公里线路建设费用取25万元
end
objectvalue(fishnumber)=construction+operate+overflowvalue;
end
if objectvalue(fishnumber)<minvalue
minvalue=objectvalue(fishnumber); %minvalue记录最小的目标函数值
minfish=status(fishnumber,:); %minfish记录最小目标函数值所对应的人工鱼的位置
end
end
%进行行为策略
............................................................................
[status,objectvalue]=prey(status,fishnumber,objectvalue,visual,fish,NN,N,delta,step,dxzl,yjzl,Pi);
end
end
end
for fishnumber=1:fish
if objectvalue(fishnumber)<minvalue
minvalue=objectvalue(fishnumber);
minfish=status(fishnumber,:);
end
end
min2(calculation)=minvalue;
disp(calculation);
disp(minvalue);
%if minvalue<=5900
% break
%end
calculation=calculation+1;
end
toc
plot(min2,'-*');`
