人工鱼群算法利用自下而上的新型寻优模式,采取鱼群的几种典型行为:觅食、聚群和追尾,可以有效的求解无约束、连续、单目标的优化问题,具有并行性、简单性、寻优速度快等特点。人工鱼群算法提出的时间虽不是很长,但是得到了很多专家学者的关注,人工鱼群算法在很多方面得到改进并应用于很多领域,目前人工鱼群算法的研究依然有很好的前景。在人工鱼群算法中,由于随机因子的采用,不能保证人工鱼每次迭代后都比更新前位置更好,最速下降法和共轭梯度法都能保证每次迭代都是向着下降方向,利用最速下降法和共轭梯度法对人工鱼群算法中未得到改善的人工鱼进行更新,得到基于梯度信息改进的人工鱼群算法,确保所有人工鱼每次迭代后都比更新前位置更好;人工鱼群算法中,每条人工鱼都会通过聚群算子和追尾算子影响到感知范围内其他的人工鱼,利用最速下降法对鱼群中最好的人工鱼进行更新,使最好的人工鱼的位置更加接近最优解,最好的人工鱼通过传递自身信息,使感知范围内的其他人工鱼向较好的位置移动,再通过这部分人工鱼辐射影响更多的人工鱼,直至整个鱼群,得到对精英加速的人工鱼群算法;结合前两种改进思想,利用共轭梯度法对人工鱼群算法中未得到改善的人工鱼和鱼群中最好的人工鱼进行更新,在保证所有人工鱼都向较好的方向移动的同时,增强最好人工鱼对鱼群的指导能力,得到利用共轭梯度法改进的人工鱼群算法;视野和步长的选取对人工鱼群算法影响较大,视野较小时人工鱼在临近区域内搜索能力加强,视野较大时人工鱼容易发现全局极值,步长较大时有利于人工鱼快速向极值点收敛,步长较小时算法所得最优解的精度会有所提高,随着人工鱼群算法的进行,根据迭代次数不断缩小视野和步长,加强人工鱼的局部搜索能力,减少振荡现象的出现,得到改进步长和视野的人工鱼群算法(算法LEAFSA)。利用典型无约束优化测试问题对五种改进人工鱼群算法进行数值实验,结果表明五种改进人工鱼群算法与基本人工鱼群算法和一些其他改进人工鱼群算法相比所求解的精度得到提高,算法的计算量较少。选取传统登革病毒传播模型和在Caputo分数阶导数定义下的分数阶非线性登革病毒传播模型,利用算法LEAFSA对模型的参数进行优化求解,将改进的人工鱼群算法应用到实际问题中,数值实验结果表明了算法LEAFSA得到的参数,使得对应模型的输出与实际数据的均方根误差很小。