多目標智能優(yōu)化算法及其應用文摘
時間：2023-06-14 08:15:01 | 來源：營銷百科
時間：2023-06-14 08:15:01 來源：營銷百科
多目標智能優(yōu)化算法及其應用文摘： 第1章 緒論
智能優(yōu)化算法是通過模擬某一自然現(xiàn)象或過程而建立起來的，它們具有適于高度并行、自組織、自學習與自適應等特征，為解決復雜問題提供了一種新途徑。這類算法包括進化算法（EA）、粒子群算法（PSO）、n禁忌搜索（TS）、分散搜索（SS）、n模擬退火（SA）、n人工免疫系統(tǒng)（AIS）和n蟻群算法（ACO）等。
進化算法來源于對n生物進化過程的模擬，它將問題的求解表示成染色體的適者生存過程，通過染色體的一代代進化，最終收斂到最適應環(huán)境的個體（即問題的最優(yōu)解或滿意解），該類算法主要包括遺傳算法（GA）、進化策略（ES）和進化規(guī)劃（EP）等。
粒子群算法來源于對鳥群優(yōu)美而不可預測的飛行動作的模擬，粒子的n飛行速度動態(tài)地隨粒子自身和同伴的歷史飛行行為改變而改變。
禁忌搜索是一種全局逐步優(yōu)化算法，它模擬人類的智力過程，通過引入一種靈活的n存儲結構和相應的禁忌規(guī)則來避免迂回搜索，并通過藐視原則來赦免一些被禁忌的優(yōu)良狀態(tài)，以實現(xiàn)全局優(yōu)化。
分散搜索主要組成部分包括五個方法：多樣化產生方法、改進方法、參考集更新方法、子集產生方法和組合方法等。分散搜索十分靈活，它的每個組成部分都能采取不同的方式實現(xiàn)。
模擬退火是基于Mente Carlon迭代求解策略的隨機尋優(yōu)算法，其出發(fā)點是固體物質的退火過程與一般組合優(yōu)化問題的相似性，從某一初溫開始，隨著溫度的降低，結合概率突跳特性在n解空間中搜索最優(yōu)解，即在局部解時能概率性地跳出并最終趨于全局最優(yōu)。
人工免疫系統(tǒng)是一種模仿生物n免疫系統(tǒng)功能的n智能系統(tǒng)，免疫系統(tǒng)是一種復雜的分布式信息處理學習系統(tǒng)，這種系統(tǒng)具有免疫保護、n免疫記憶、免疫學習功能以及較強的自適應性、多樣性、學習、識別和記憶等特點。
蟻群算法是受自然界中螞蟻搜索食物行為的啟發(fā)而提出的一種隨機優(yōu)化算法，單個螞蟻是脆弱的，而n蟻群的群居生活卻能完成許多單個個體無法承擔的工作，螞蟻間借助于n信息素這種化學物質進行信息的交流和傳遞，并表現(xiàn)出n正反饋現(xiàn)象：某段路徑上經(jīng)過的螞蟻越多，該路徑被重復選擇的概率就越高。正反饋機制和通信機制是蟻群算法的兩個重要基礎。
在線咨詢