我对智能优化算法的认识

我对智能优化算法的认识

20世纪70年代以来,随着仿生学、遗传学和人工智能科学的发列展,形成了一系列新的优化算法——智能优化算法。智能优化算法是通过模拟某一自然现象或过程而建立起来的,他们具有适于高度并行、自组织、自学习与自适应等特征,为解决复杂问题提供了一种新的途径。它们不需要构造精确的数学方法,不需要进行繁杂的搜索,同大连简单的信息传播和演变方法来得的问题的最优解。

传统的智能优化算法包括进化算法、粒子群算法、禁忌搜索、分散搜索、模拟退火、人工模拟系统、蚁群算法、遗传算法、人工神经网络技术等等。随着智能优化算法的发展出现了一些新的算法如:萤火虫算法,随着遇到事物的复杂性显现出混合智能优化算法的优势。这些算法在农业、电子科技行业、计算机应用中有很大的作用。 在查看资料后,我发现传统的智能优化算法应用较广泛些。在2009年发表的一篇论文中,讲到了遗传算法可以成功解决函数优化问题。其上提到,利用遗传算法,根据函数创造一系列个体,计算适应度函数,模拟“优胜劣汰”的自然法则,选择优良个体交叉、随机产生后代等步骤解决函数优化问题。其中还提出了用蚁群算法求解传统方法难以解决的非凸、非线性非连续的优化问题。

11年发表的《浅谈几种智能优化算法》中介绍了几种典型传统的智能优化算法,并对它们(遗传算法、蚁群算法和粒子群算法等)做了详尽的分析,让人们对这几种算法有更深刻的认识。近年来,这些算法在运筹学、管理科学中也有重要的应用。另外,从近几年

你可能喜欢

  • 计算智能
  • 粒子群优化
  • 智能算法
  • 群体智能
  • 数学建模算法
  • 网络最大流问题
  • 模拟退火算法
  • 模拟退火法

我对智能优化算法的认识相关文档

最新文档

返回顶部