针对无人机在三维空间里的航迹规划问题, 从加快收敛速度和保证收敛效果的角度, 对标准人工鱼群算法进行改进。首先, 引入自适应视野和自适应步长的改善因子α, 加快算法的收敛速度; 然后, 设定最小视野和最小步长, 保证算法的搜索能力; 最后, 增加跳跃行为, 确保算法在后期可以跳出局部最优。通过软件进行算法的仿真和对比验证, 仿真实验结果表明, 算法在搜索初期具有较快的搜索速度和较好的收敛效果, 搜索后期可以跳出局部最优, 算法的有效性得到验证; 对比实验结果表明, 算法在搜索后期, 最佳适应度有所改善, 算法的优越性得到验证。

激光诱导击穿光谱（LIBS）具备遥感、原位探测的特性，是深空探测识别物质元素组成及含量的重要技术。探测火星表面元素组成及其矿物分布特征是研究火星地质演化和成因的前提。在天问一号任务发射前，基于火星表面成分分析仪（MarSCoDe）开展了15个类别矿物样品的火星模拟探测实验，获取了1920条光谱数据。为验证仪器的探测性能，本文采用人工鱼群算法（AFSA）优化支持向量机（SVM）的高效分类模型（AFSA-SVM），对包括火成岩、沉积岩和金属矿物在内的32种矿物进行分类。首先，采用主成分分析（PCA）算法将原始光谱数据降维，送入AFSA-SVM训练。其次，通过AFSA来优化SVM的参数，实现了99.56%的矿物识别准确率。最后，对比AFSA-SVM模型与其他算法的识别准确率，其中随机森林（RF）算法、反向传播人工神经网络（BPANN）和K近邻（KNN）算法的准确率分别为95.60%、95.80%和90.17%，结果表明AFSA-SVM算法在辅助LIBS识别矿物种类中具有优势。

由于两步法的初值会严重影响星敏感器光学误差标定算法的精度, 针对该问题, 提供了一种结合人工鱼群算法(AFSA)的两步法优化方法。此方法利用了人工鱼群算法中易跳出局部最优从而进行全局寻优的特点, 在进行两步法之前输出一组较优的初始值供两步法初始化使用, 最终得到精度较高的标定值。通过仿真可知, 此改进两步法针对两步法的不足结合人工鱼群算法的优点, 能够提高其标定精度以及稳定性。

利用正交匹配追踪算法对高光谱图像进行压缩感知重构,是通过寻找最优原子对原始信号进行线性表示,使残差不断减小以获取重构信号。在处理基于冗余字典的重构问题时,其耗时主要存在于原子匹配过程和残差更新过程,导致算法的计算复杂度较高、难以实现实时处理。针对此缺陷,提出一种用于高光谱图像的埃尔米特压缩感知重构算法,主要思想是:利用埃尔米特求逆引理,对正交匹配追踪算法残差更新的迭代过程进行优化;进一步地,采用人工鱼群算法寻找最优原子,对匹配过程进行加速,以提高执行效率。利用所提算法对高光谱图像进行压缩感知重构处理,合理设置算法参数,在保证重构精度的条件下,与正交匹配追踪算法相比,所提算法能将计算速度提高10倍左右。

为解决振动主动控制系统中接触式测量影响结构特性以及PID控制参数整定不理想的问题, 提出利用机器视觉技术测量结构振动, 并结合人工鱼群算法优化的PID进行振动控制。首先, 选择刚柔双关节机械臂作为研究对象, 搭建实验平台并设计正交试验, 探究刚柔耦合机械臂振动情况, 并确定振动控制中电机参数的设置; 其次, 利用CCD相机采集机械臂末端标记点振动图像, 并处理得到振动位移, 将其作为控制系统输入; 最后, 选择人工鱼群算法对PID控制器参数进行优化, 控制器输出信号经输出卡转化为控制电压, 再经功率放大器放大, 驱动压电作动片实现振动控制。实验结果表明, 相较于传统参数整定PID平均44.06%的控制效果, 优化后的PID算法平均控制效果可达到57.54%,验证了基于视觉测振的优化PID控制系统的可行性和优越性。

在光散射法的颗粒粒径测量方法中, 传统测量模型的测量结果易受光路中颗粒杂质的影响。在Mie散射理论的基础上, 将小角前向散射法与偏振比法相结合, 推导了新的散射光能与粒径分布关系式, 构造了传统小角前向散射法和小角前向散射偏振比法两种目标函数, 并引入一种非独立模式算法——人工鱼群算法对两种方法的目标函数进行反演。仿真采用服从Johnson-SB单峰分布均匀球形颗粒, 分别对两种目标函数散射光能加入5%, 10%, 15%的随机噪声。仿真结果显示, 利用人工鱼群算法对小角前向散射偏振比法目标函数反演得到的反演精度、抗噪声能力和鲁棒性都明显优于传统小角前向散射法目标函数的反演结果。

针对正交频分复用(OFDM)多用户系统中一些智能算法存在收敛速度较慢且精度不高的问题, 研究了把差分进化算法的变异与交叉行为引入人工鱼群算法中, 以改进其随机行为。在此基础上, 提出了一种改进的OFDM自适应资源分配算法。该算法先在公平度门限下分配子载波, 再通过改进的人工鱼群算法进行功率分配。仿真结果表明, 所提算法达到最优解时迭代次数有较大减少, 同时搜索精度有所提高, 在保证用户公平度的同时, 提高了系统容量。

对焦窗口的选择是实现显微镜自动对焦的关键步骤。针对传统的对焦窗口选取方法不能准确定位目标物体的问题，本文提出了一种改进的人工鱼群对焦窗口法。以整幅图像中细节最丰富的区域作为对焦窗口的选取依据，充分利用人工鱼群算法良好的全局寻优能力，在整幅图像中选取最佳对焦窗口；将全局优值添加到每条人工鱼的行为更新中，使其能快速移动到当前最佳位置甚至是全局最优位置。此外，在算法中引入了淘汰机制，在保证精度的前提下，提高算法的收敛速度；再根据算法中公告板的特点，结合趋势对比法识别干扰区域，有效排除非目标区域的影响。实验表明，该方法得到的对焦窗口，可以更好地对目标物体进行对焦，大大提高了自动对焦的精确度，并且构建对焦窗口的效率较传统方法提高了1.65 倍。

鉴于人工鱼群算法(AFSA)具有收敛速度快, 易于寻址寻优等特点, 在光网络节点休眠技术中引入人工鱼群算法。以光路由域中的网关节点作为研究对象, 选用业务量作为搜索函数, 执行算法中的各种寻址行为找到最优解, 休眠不符合条件的节点, 并根据传输的繁忙与空闲状态转换限定值, 从而节约传输过程中的能耗。通过2组7个节点进行计算机仿真, 并分别设定最大值的40%和50%为限定值, 得到原始能耗与后期能耗的对比结果。由此可知, 当限定值为最大值的40%时, 2组数据均节能14%, 当限定值为最大值50%时, 能耗节约比例分别为28%和42%。证明该方法可有效节能。