一种新型的寻优策略——人工鱼群算法,它是通过模拟自然界中鱼的觅食、聚群、追尾和随机游动等行为。该优化算法具有集群智能、良好的并行性、参数和初值的鲁棒性强等优点,在工程上已得到广泛使用,如组合优化、配送决策、人脸识别和机械故障诊断等。人工鱼群算法设计思路简单,求解低维优化函数是能够保持较高的精度,且能够较快地获取全局最优解。实际中往往是庞大的工程问题,决策变量的维数较高,导致搜索范围的空间复杂度大大增加,采用传统的人工鱼群算法很容易陷入局部最优,且其精度和收敛速度也随之下降。论文对传统的人工鱼群算法的鱼群数目和拥挤度因子等方面进行改进,提出一种自适应重生鱼群优化算法。首先在每次迭代过程中,利用反向学习方法,不断地给鱼群注入“新生命”使鱼群得以重生,丰富了种群的多样性,人工鱼搜索的范围扩大,获得全局最优的可能性随之增大;然后采用正态分布动态调整拥挤度因子的上限值使得算法更贴近于鱼群搜索食物的过程,自适应地调整鱼群的行为。实验结果表明,改进后的算法既保证收敛速度,增加算法获得全局最优的可能性,又适用于求解大规模的优化问题。文中的两个算例采用改进的鱼群算法进行优化,优化结果与实际具有良好的一致性,说明了改进算法的有效性和实用性。