I N 0 9 3 4 SS 1 0 - 0 4

E— i e u@C C .e .n mal d f C Cn t : c htp/www.n sn tc t:/ d z .e .n

C mp￣ n we g n e h o g o u r o l ea d T c n l y电脑知识与技术 K d o Vo.,No1,J l 01 . 1 7 .9 uy2 1

T h 8— 51 5 9 9 3 5 9 9 4 e+ 6 5 6 0 6 6 0 6—

浅谈几种智能优化算法 海切阿来 丽木 布提 (疆教育学院数学与信息技术分院，疆乌鲁木齐市 80 4 )新新 30 3

摘要：文首先介绍介绍了几种典型的群体智能算法，体包括遗传算法、群算法和粒子群算法 .该具蚁并对它们进行了详细的分析。 关键词：能算法；群算法：传算法：子群算法智蚁遗粒 中图分类号： P 0 T 31文献标识码： A文章编号：0 9 3 4 ( 0 11— 6 8 0 1 0— 0 42 1 )9 4 2— 3

Em pii a udy on S ve a r c lSt e r lTypialI elge e A l rt m s c nt li nc go ih H aq m‘ lt l a Ab a

(u ntueo te ts n f mao eh o g,@ agE ua o stt, SbIstt f i Ma ma c adI o t nT cn l y Xi n d ct nI tue Ummq 80 4, hn) h i nr i o i ni i 3 03 C ia Absr t n t sesy,t ut o n r duc e e a y c ls a h n elg nc lort si l sg ne c ag it,a tc l n ptm ia t ac:I hi sa he a h r ito e s v rltpia w r i tlie e ag i hm ncude e t lor hm t i n o o y o i z - to l rt m n ril w allop i iain g rt . i n ago h a d patce s rT tm z to a o hm i l i K e wor:i elg n e ago t m;g ne lort;a olny ag rt;p ril w al1ag it y ds ntl e c l r h i i e dcag i hm ntc o l o hm i a t e s r lor hm c T

1概述 为了使系统

达到最优的目标所提出的各种求解方法称为最优化方法。最优化在运筹学和管理科学中起着核心作用。最优化通常是极大或极小某个多变量的函数并满足一些等式或不等式约束。最优化技术对社会的影响日益增加，用的种类和数量快速增应加，毫没有减缓的趋势。近几年来，着计算机的发展，些过去无法解决的复杂优化问题已经能够通过计算机来求得近似解，丝随一所以 .算机求解优化问题的方法研究也就显得越来越重要了。计 对于简单的函数优化问题，典算法比较有效，能获得函数的精确最优解。但是对于具有非线性、极值等特点的复杂函数经且多及组合优化问题而言，典算法往往无能为力。基于系统动态演化的算法及基于此类算法而构成的混合型算法又可称为智能优化经 算法。 近年来，着优化理论的发展，些新的智能算法得到了迅速发展和广泛应用，为解决传统优化问题的新方法，遗传算法、随一成如 蚁群算法、子群算法等。粒

2蚁群算法 蚁群算法是受到对真实蚁群行为的研究的启发而提出的。生物学研究表明一群互相协作的蚂蚁能够找到食物源和巢穴之间的

最短路径，单只蚂蚁却不能。因此，而由大量蚂蚁组成的蚁群的集体行为便表现出一种信息正反馈现象：一路径上走过的蚂蚁越某多.则后来者选择该路径的概率就越大。蚂蚁个体之间就是通过这种间接的通信机制达到协同搜索食物最短路径的目的。蚁觅食蚂 协作方式的本质是： )径概率选择机制：息素踪迹越浓的路径 .选中的概率越大； )息素更新机制：径越短，上面的信 1路信被 2信路在

息索踪迹浓度增长越快；)同工作机制：蚁之间通过信息素进行通信。 3协蚂

在蚁群优化算法中，为分布智能体 (ir ue et人工蚁 (rf i ns的行为可以如下描述：群人 1蚁相互协作在问作 Ds i tdgn) tb的 At c l t i aA ) i一二 题的解空间中搜索好的解，些人工蚁按照人工信息素踪迹和基于问题的启发式信息的指引在问题空间移动以构造问题的解。在

这

此，息素 (h rm n)似于一种分布式的长期记忆，种记忆不是局部地存在于单个的人工蚁，是全局地分布在整个问题空信 P eo oe类这而间。当人工蚁在问题空间中移动时，它们在其经过的路径上留下信息素踪迹，些踪迹反映了人工蚁在问题空间觅食 (这即构造好的 解)过程中的经历。换句话说，息素在蚁群的协作和通信中起到一种间接媒介的作刷。人工蚁在解空间中一步一步地移动从而构信 造问题的解 .同时，它们根据解的质量在其路径上留下相应浓度的信息素，蚁群中其他蚂蚁倾向于沿着信息素浓的路径前进，同样

这些蚂蚁也将在这段路径上留下自己的信息素，就形成了一种自催化强化学习机制，就是正反馈。这种正反馈机制将指引蚁群这也 找到高质量的问题解。

3遗传算法 遗传算法 feei A oi m是模拟生物在自然环境中优胜劣汰、者生存的遗传和进化过程而形成的一种具有自适应能力的、 G nt grh ) e t适 全局性的概率搜索算法。遗传算法是从代表待优化问题潜在解集的一个种群开始，而种群则由经过基因编码的一定数目的个体组成。因编码成染色体，个个体由染色体构成，个个体实际上是带有染色体特征的实体。色体作为遗传物质的主要载体，多基每每染是个基因的集合，内部表现 (其即基因型 )多个基因的某种组合，决定了个体的形状的外部表现。因此，一开始需要实现从表现是它在

收稿 E期： 0 1 5 0 l 2 1 -0—2

作者简介：丽切木 布来提 (9 2, (吾尔族 )乌鲁木齐人，疆教育学院数学与信息技术分院讲师，士，0 5年在江南海阿 17一)女维，新硕 20 大学研修，主要从事计算机应用技术研究。 4 2 *人工智能及识别技术 68“ 本拦目责任编辑：东唐