最新智能計算綜述

1、收樂丁網絡.如有綾權請聯(lián)系管理員刪除收集丁網絡.如有佞權請聯(lián)系管理員刪除收集網絡.如有綾權請聯(lián)系管理員刪除遺傳算法1遺傳算法的一般步驟對問題的解進行編碼(二進制編碼、十進制編碼、實數(shù)編碼、Gary編碼)形成編碼后的初始種群方法：完全隨機產生根據(jù)已知的先驗知識進行隨機選取適應度函數(shù)的設訃與計算目標函數(shù)：f(x)適應度函數(shù)：F(x) = - min f(x) F(x) = max f(x)遺傳操作選擇算子作用：判斷個體是否優(yōu)良判斷標準：個體適應度函數(shù)值的大小方法：比例選擇方法、精英選擇方法、排序選擇方法、聯(lián)賽選擇方法、期望 值方法等交義算子兩個相互配對的個體按照某種方法相互交換各自的部分基因形成新

2、個體方法：單點交義、兩點交義、多點交義、一直交義變異算子類型：基本變異算子、逆轉變異算子、自適應變異算子(5)算法終止一般設定最大迭代次數(shù)作為算法的終止條件，簡單但不準確根據(jù)種群的收斂程度來判定算法是否停止2耳一耳V域隊耳V算法特點（1）與傳統(tǒng)相比將問題參數(shù)編碼成染色體后進行進化操作使算法不受函數(shù)約束條件的限制；采用群體搜索方法，具有隱含并行搜索特性；隨機操作；具有全局搜索能力，多用于復雜問題和非線性問題（2）優(yōu)越性算法進行全空間并行搜索，很大概率找到全局最優(yōu)解算法具有固定的并行性（3）多用于維數(shù)較高、環(huán)境復雜、問題結構不十分清楚的場合遺傳算法的應用（1）加工中心組成問題（2）0-1背包問題蟻

3、群優(yōu)化算法一算法基礎一群螞蟻隨機從出發(fā)點出發(fā)將在蟻巢和食物之間建立通路，當在覓食路上出現(xiàn)障礙時，蟻群會等概率地選擇沿著障礙物向左或向右移動；螞蟻會在路徑上留下信息素以指導后面的蟻群移動；信息素隨時間逐漸蒸發(fā);山蟻巢出發(fā)的螞蟻，其選擇路徑的概率與各路徑上的信息素成正比，最終所有 螞蟻會選擇同一條較短的路徑；二算法模型所需的基本變量和常數(shù)令：川為蟻群中螞蟻的總數(shù)為旅行商問題中的城市個數(shù)心為i到丿之間的距離，其中ISiJS巧為第f次迭代（或/時刻）弧（門）上的信息素量初始時刻各弧上的信息素量相等，即巧（0） = c （i為常數(shù)）狀態(tài)轉移概率若j eJ,(O(2. 1)0否則&值越大，螞蟻選擇以前經過

4、路徑的可能性就越大0值越大，螞蟻選擇離開它最近的城市的可能性就越大 3 信息素的更新采用參數(shù)。表示信息素揮發(fā)系數(shù)，而1-Q表示信息素的殘留系數(shù) 設：再經過/個時刻，螞蟻完成一次循環(huán)打（1 + /）=。打（）+叫Hl其中嘉=2空焉*1基本蟻群算法求解旅行商問題的主要步驟（1）初始化參數(shù)，必=0, gen / = 0,巧（0） = c,將加只螞蟻置于n個頂點上;（2）將初始出發(fā)點置于當前解路徑集合中；對螞蟻k計算選擇城市j的概率/且 丿為螞蟻未走過的城市，選擇概率最大的城市，并將螞蟻移動到該城市，記入 tabuk ,將該城市置于當前解路勁集合中；（3）分別計算加只螞蟻找到的解所對應的LI標函數(shù)值，

5、并記錄當前最優(yōu)值：（4）按（2.2）來修改各個弧上的信息素量；（5）令nc = nc + ；（6）若必小于預定g紗且無退化行為，則轉（2）蟻群算法的本質 選擇機制、更新機制、協(xié)調機制蟻群算法的特點（1）具有正反饋機制（2）較強的魯棒性（3）分布式計算（4）通用型隨機優(yōu)化方法（5）易于其他方法結合蟻群算法的缺點（1）搜索時間較長（2）易出現(xiàn)停滯現(xiàn)象收集丁網絡.如有佞權請聯(lián)系管理員刪除收集丁網絡.如有佞權請聯(lián)系管理員刪除模擬退火算法1模擬退火算法數(shù)學模型的組成：（1）解空間：關于一個問題所有可能的解的集合，它限定了初始解選取的范圍 和新解產生的范圍（2）標函數(shù)：若干優(yōu)化H標的一個和式，其選取必須正

6、確體現(xiàn)對問題的整體 優(yōu)化要求（3）初始解：開始迭代的起點模擬退火算法的基本思想從一個初始解出發(fā)，不斷反復迭代產生新解，對新解進行判定、舍棄，最終取得令人滿意的全局最優(yōu)解運作流程（1）初始化：給定溫度T的變化范圍并對其初始化，對解S進行初始化，并計算初始化解S所對應的當前1:1標函數(shù)E（S）起點；注：初始值要求足夠大，但也不宜過大；對每一溫度下迭代的次數(shù)進行初始化（2）設一個整數(shù)K用來記錄每一溫度T下迭代已進行的次數(shù)，KeO,厶在每一溫度T下，循環(huán)比次第（3）至（6）步；（3）產生一個新解S，,根據(jù)口標函數(shù)分別計算當前解S和新解&所對應的E（S）和E（S）,并計算增量AE = E（S）-E（y）

7、（4）如果AEvO,則新解&代替當前解S作為新的當前解，新解所對應的E（S，） 作為新的半詢U標函數(shù)值；(5)如果AE0,則需計算新解的接受率r = exp|則可以接受&作為新的當前解；（6）如果迭代滿足終止條件，則輸出當前解作為最優(yōu)解，結束程序；（7）逐漸降低溫度控制參數(shù)丁，如T依然大于0,轉步（2）對數(shù)降溫策略：7； =“/log（K + Kj快速降溫策略：Tk=b/（ + K）直線降溫策略：7；=（1-K/R）x7；指數(shù)降溫策略：7=axT_, a e 0.5,0.994.模擬退火算法的特點（1）優(yōu)點：具有漸近收斂性，而且計算過程簡單、通用、魯棒性強，適用于并 行處理，可用于求解復雜的非

8、線性優(yōu)化問題；（2）缺點：返回一個高質量的近似解的時間花費較多，當問題規(guī)模不可避免的 增大時，難以承受的運作時間將使算法喪失可行性。模擬退火算法的改進途徑（1）改變算法進行過程中的各種變異方法，如在算法中加入記憶器，記住算法 進行過程中曾出現(xiàn)過的最優(yōu)近似解；（2）對算法進行大規(guī)模的并行訃算，真正縮短計算時間；（3）將模擬退火算法與其他智能搜索機制的算法相融合，取長補短。四、粒子群優(yōu)化算法1.基本思想：粒子群優(yōu)化算法就是對生物群體中的信息共享這種社會行為的模擬，即利用 信息共享機制，使得個體之間可以相互借鑒經驗，從而促進整個群體的發(fā)展。收集網絡.如有綾權請聯(lián)系管理員刪除收集丁網絡.如有佞權請聯(lián)系

9、管理員刪除算法流程：（1）初始化粒子群，即隨機設定各個粒子的初始位置X和初始速度V；（2）計算每個粒子的適應度；（3）對每個粒子，將它的適應度和它經歷過的最好位置片所對應的適應度做比 較，如果好于后者，則更新匕，否則，匕保持不變；（4）將本次迭代中的每個粒子的適應度分別和群體所經歷最好位置所對應 的適應度作比較，如果好于后者，則更新人，否則，人保持不變；（5） 根據(jù)式 V,+I =叱 + q *（F-X；）+C2*rand（）*（& -X；）和式X；+, = X；重新計算每個粒子的速度和位置；（6）如果算法滿足結束條件（產生足夠好的位置或達到預先設置的最大迭代次數(shù)），則算法終止，否則轉步驟（2）。粒子群優(yōu)化算法的特點：（1）粒子具有記憶性，可以記憶整個種群經歷過的最有位置，并將其傳遞給其他的粒子；（2）需要調整的參數(shù)較少，算法結構簡單；（3）沒有復朵的運算，依賴粒子運動來完成搜索；（4）粒子的運動受到自身認知和社會