以模拟自然界生物智能行为为背景的优化算法,如鸟群算法、蚁群算法、蜂群算法、粒子群算法、萤火虫算法等,以固体退火理论及系统稳定性理论为基础的模拟退火算法、Hopfield 神经优化算法,以及遗传算法、免疫算法、禁忌搜索算法等,都可以归结为人工智能优化算法。
智能优化算法是指受人类智能、生物群体社会性或自然现象规律的启发。这类算法模拟了人类或者动物的思维和天赋,因此体现了“智能”,随着智能理论的发展,智能计算在求解大规模优化问题相比于传统优化方法展现出了非常优越的性能,本文对于智能算法进行了一个较为全面的分析,并介绍了相应的理论成果和应用。
本文介绍了首先针对模拟退火、禁忌搜索算法和遗传算法介绍了其流程,分析了算法存在的不足,并针对不足介绍了一些改进方法。然后对于群智能优化算法——粒子群算法和蚁群算法,在介绍算法流程的同时,针对其算法收敛性和求解能力进行了分析,并介绍了相关提高收敛速度以及提高解的质量等相关用于提高算法性能的方法。
- 1
- 2
- 3
- 4
前往页