I oai n vt n/科技创新 n o

智能优化算法的比较与改进 文/王梦兰

摘

要：本文阐述了几种常用智能优化算法的基本思想，概括了它们的本质特征，对智能优化算法进行了分类并指出了智能优化算法的改进方向。

关键词：智能优化算法个体行为群体智能

智能优化算法概述 传统优化算法本质上是全局搜索

法、捕食搜索算法等属于基于群体智 能的算法。 1禁忌搜索算法、人类的行为具有记忆性，即对过去行为的记忆往往对眼下及未来的行 为具有指引性，所谓“一堑，长一吃

过程与优化问题的求解过程有机的结合起来，因此被称为模拟退火算法。算 法运行时从某一较高初温开始，结合具有概率突跳特性的 Merp l抽样 t oi o s策略在解空间中随机寻找目标函数的

算法，即通过搜索整个解空间来找到 问题的最优解。为了加快算法的搜索速度或减少运行时计算空间的耗费， 传统优化算法往往需要充分利用目标函数的解析性质以及约束空间的几何

全局最优解，伴随温度参数的不断下 降重复抽样过程，最终得到问题的近似最优解。模拟退火算法理论上属于

智”“朝被蛇咬，年怕井绳”的，一三讲就是这个道理。禁忌就是禁止重复前

特征，逐步缩小搜索空间，最终完成整个解空间的搜索，从而找到最优解。但 随着问题越来越复杂，模越来越大，规

面的工作，类似人类的记忆行为。禁忌搜索算法为了避免局部邻域搜索陷入 局部最优解，引入禁忌表来记录已经搜索过的局部最优解，在下一次搜索中，再有选择地搜索这些点，此来不以跳出局部最优解。时，忌搜索算法同禁还引入“禁”特赦的思想，被禁破或当忌的解优于历史最优解，被解禁。会此

全局最优算法，但实际中只需在一定 的时间内找到近似解即可。 3遗传算法、

传统优化算法已经不能在可以接受的 时间内找到最优解。这里求解时间与最优解是一对矛盾，为了解决这一矛 盾，有些研究者提出了一类新的解决

遗传算法模拟生物进化和生命遗 传的过程，问题的解编码成基因串，

将

通过选择、交叉、变异三个遗传算子， 完成种群的繁衍、化。本质是一种进其通过交换机制，重组基因串的概率搜

方法，它们不以寻找问题的最优解为目的，而是追求在有限的时间内找到满足需要的解即可。这类方法往往借鉴了人类解决复杂问题的技巧以及生

外，禁忌表的长度类似人类的遗忘周 期，禁忌表填满禁忌对象时，进的当新禁忌对象会挤出最早进入禁忌表中的对象，算法下一次搜索就可以重新选择被解禁的对象。 2模拟退火算法、

索算法。由于遗传算法渗透了“优胜劣汰、者生存”适的遗传和进化思想，至 今仍是应用最广泛也是最为成功的算 法。

物体的本能，能够将复杂的求解过程 简单化，而表现出“能”特征，从智的因

此被称为“智能算法”。常用的智能优化算法有：传算法、遗禁忌搜索算法、 模拟退火算法、群算法、子群算法蚁粒 等。

4蚁群算法、

蚁群算法是通过模仿蚂蚁觅食行

模拟退火算法本质上是一种概率

为而设计出来的一种智能优化算法。 单个蚂蚁的行为极其简单，谈不上智能，但由蚂蚁个体组成的蚁群能够协助合作，总能找到一条从蚁巢到食物 源的最短路，其行为表现出高度的智

搜索算法，算法每次迭代都以一定的概率选择搜索邻域外的解，即算法总能以一定的概率跳出局部最优解，如 果这个解优于历史最优解，算法会集

智能优化算法按群体规模大小可以简单分为两类：基于个体行为的算

法与基于群体智能的算法。中，忌其禁搜索算法、模拟退火算法等属于基于个体行为的智能算法；遗传算法、群蚁算法、子群算法、粒免疫算法、细菌觅食算法、人工鱼群算法、 m t Me ei c算

中在这个解的附近搜索，直到以一定的概率找到更好的解。模拟退火算法类似人类的随机漫步行为以及固体物体的退火过程。该算法将固体的退火

能。研究发现，蚂蚁个体之间通过一种

称之为信息素的物质进行信息传递， 即蚂蚁个体之间能够共享信息，从而能够相互协作，完成复杂的任务。蚂蚁

4 C^ - 8、 1中国水运 2 1

2 f 0 21