人口迁移算法(PMA)是我国学者周永华,毛宗源提出的一种模拟人口迁移规律的新的模拟演化算法。人口迁移算法不是模拟自然领域中具有某种优化特征的群体来建立模型,而是模拟社会领域中人口随经济重心而转移、随人口压力增加而扩散的机制。但是算法中人口流动的随机性影响了算法的性能。而人工鱼群算法(ASAF)是一个模拟自然界生物特性的智能算法,它具有对目标函数、初始值和参数设定不敏感,具备并行处理能力和全局搜索能力等方面的特点,而且它的群智能特性有助于算法性能的提高。如何利用人工鱼群算法的群智能特性来克服人口迁移算法中人口流动的随机性带来的问题是本文工作的重点。本文所做的主要工作如下:首先针对人工鱼群算法中视野对算法收敛性的影响提出了一种新的搜索机制,数值实验的结果证明当搜索域“缩小”以后算法的收敛速度明显提高,改进后的算法的平均迭代次数和最小成功收敛的代数也明显低于基本人工鱼群算法。改进后的算法也具有更好的局部求精能力和稳定收敛性。然后针对人口迁移算法中由于人口流动的随机性引起的算法搜索效率不高的问题将人工鱼群中鱼群觅食行为代替了人口迁移算法中的人口流动行为,生成一种基于人工鱼群的人口迁移算法。并对该算法的各个操作算子作了抽象定义,得到了该混合算法的形式化随机过程描述,同时也证明了该混合算法本质上也是一种模拟演化算法。最后对混合算法的选择算子特征数定义作了适当分析,计算出混合算法各进化算子的本质特征数,利用这些特征数直接证明了采取“父代种群参与竞争”策略时算法是依概率收敛的,并分析了它的收敛速度。还对混合算法的收敛性进行了相应的证明,最后数值实验表明该混合算法具有良好的全局搜索能力和较快的收敛速度。