智能优化算法

智能优化算法要解决的一般是最优化问题。 最优化问题可以分为(1)求解一个函数中,使得 函数值最小的自变量取值的函数优化问题和(2)在一个解空间里面,寻找最优解,使目标函数值最小的组合优化问题。典型的组合优化问题有: 旅行商问题(Traveling Salesman Problem,TSP),加工调度问题(Scheduling Problem),0-1 背包问题(Knapsack Problem),以及 装箱问题(Bin Packing Problem)等。
优化算法有很多,经典算法包括:有线性规划,动态规划等;改进型局部搜索算法包括 爬山法, 最速下降法等,本文介绍的 模拟退火、 遗传算法以及 禁忌搜索称作指导性搜索法。而神经网络,混沌搜索则属于系统动态演化方法。
优化思想里面经常提到邻域函数,它的作用是指出如何由当前解得到一个(组)新解。其具体实现方式要根据具体问题分析来定。
一般而言,局部搜索就是基于贪婪思想利用 邻域函数进行搜索,若找到一个比现有值更优的解就弃前者而取后者。但是,它一般只可以得到“局部极小解”,就是说,可能这只兔子登“登泰山而小天下”,但是却没有找到珠穆朗玛峰。而模拟退火,遗传算法,禁忌搜索,神经网络等从不同的角度和策略实现了改进,取得较好的“全局最小解”。

你可能感兴趣的:(智能优化算法)