多目标智能优化算法及其应用文摘
时间：2023-06-14 08:15:01 | 来源：营销百科
时间：2023-06-14 08:15:01 来源：营销百科
多目标智能优化算法及其应用文摘： 第1章 绪论
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，它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途径。这类算法包括进化算法（EA）、粒子群算法（PSO）、n禁忌搜索（TS）、分散搜索（SS）、n模拟退火（SA）、n人工免疫系统（AIS）和n蚁群算法（ACO）等。
进化算法来源于对n生物进化过程的模拟，它将问题的求解表示成染色体的适者生存过程，通过染色体的一代代进化，最终收敛到最适应环境的个体（即问题的最优解或满意解），该类算法主要包括遗传算法（GA）、进化策略（ES）和进化规划（EP）等。
粒子群算法来源于对鸟群优美而不可预测的飞行动作的模拟，粒子的n飞行速度动态地随粒子自身和同伴的历史飞行行为改变而改变。
禁忌搜索是一种全局逐步优化算法，它模拟人类的智力过程，通过引入一种灵活的n存储结构和相应的禁忌规则来避免迂回搜索，并通过藐视原则来赦免一些被禁忌的优良状态，以实现全局优化。
分散搜索主要组成部分包括五个方法：多样化产生方法、改进方法、参考集更新方法、子集产生方法和组合方法等。分散搜索十分灵活，它的每个组成部分都能采取不同的方式实现。
模拟退火是基于Mente Carlon迭代求解策略的随机寻优算法，其出发点是固体物质的退火过程与一般组合优化问题的相似性，从某一初温开始，随着温度的降低，结合概率突跳特性在n解空间中搜索最优解，即在局部解时能概率性地跳出并最终趋于全局最优。
人工免疫系统是一种模仿生物n免疫系统功能的n智能系统，免疫系统是一种复杂的分布式信息处理学习系统，这种系统具有免疫保护、n免疫记忆、免疫学习功能以及较强的自适应性、多样性、学习、识别和记忆等特点。
蚁群算法是受自然界中蚂蚁搜索食物行为的启发而提出的一种随机优化算法，单个蚂蚁是脆弱的，而n蚁群的群居生活却能完成许多单个个体无法承担的工作，蚂蚁间借助于n信息素这种化学物质进行信息的交流和传递，并表现出n正反馈现象：某段路径上经过的蚂蚁越多，该路径被重复选择的概率就越高。正反馈机制和通信机制是蚁群算法的两个重要基础。
在线咨询
