魚群搜索(FSS)由BastosFilho和LimaNeto在2008年提出，其基本版本是一種受魚群集體行為啟發的單峰優化算法。喂食和協調運動的機制被用作創建搜索運算符的靈感。核心思想是讓魚“游”向正梯度，以“吃”和“增重”。總的來說，較重的魚對整個搜索過程的影響更大，這使得魚群的重心在迭代中向搜索空間中更好的位置移動。

魚群搜索使用以下原則：

1. 所有個體（即魚）的簡單計算
2. 各種存儲信息的方式（即魚和學校重心的重量）
3. 本地計算（即游泳由不同的組件組成）
4. 相鄰個體之間的低交流（即魚要考慮本地問題，但也要具有社會意識）
5. 最小集中控制（主要用于學校半徑的自控）
6. 一些不同的多樣性機制（這是為了避免不良的聚集行為）
7. 可擴展性（就優化/搜索任務的復雜性而言）
8. 自主性（即自我控制功能的能力）

此版本擅長多模態超維函數。它包括對先前運算符的修改：Feeding和Swimming，以及新的：Memory和Partition運算符。引入后兩者是為了將主要學校劃分為小組。停止條件中還包含了一些更改，現在也必須考慮subswarms。

wFSS是FSS的基于權重的細分版本，旨在生成多種解決方案。利基策略基于稱為鏈接格式化程序的新運算符。該運算符用于定義魚類的領導者以形成子學校。

在算法的原始版本中，只有在提高了適應度的情況下，才允許單個運動組件移動一條魚。然而，在一個非常平滑的搜索空間中，會有很多沒有成功的移動試驗，并且算法可能無法收斂。為了解決這些問題，引入了一個參數X，其中0<=X<=1在運動的各個組件中。X隨迭代呈指數衰減，并測量每條魚的容差惡化的概率。這意味著，每當一條魚試圖移動到一個不能提高其適應度的位置時，就會選擇一個隨機數，如果它小于X，則允許移動。

bFSS旨在應對過早收斂。提議將二進制編碼方案用于魚群搜索的內部機制。它在特征選擇的包裝方法中將FSS與模糊建模相結合。

在MOFSS中，算子適合解決多目標問題。該算法部署了一個外部檔案來存儲在搜索過程中找到的最佳非支配解決方案。這種方法已廣泛用于不同的仿生多目標優化器。此外，外部檔案中的解決方案用于指導提案版本中的魚類運動。