智能算法与传统算法

目录

1    特征对比:

1.1 最优算法:

1.2 启发式算法(Heuristic):

1.3 启发式算法特点:

1.4 启发式算法的缺点:

2    传统优化技术:

2.1 主要传统优化方法:

3    现代优化技术:

3.1 现代优化算法:

4    算法性能分析:

4.1 评价算法优劣的指标

4.2 评价算法优劣的手段


特征对比:

传统算法无法在有限的时间内精确求解

智能算法寻求在求解时间和求解速度上的平衡

最优算法:

一个问题的最优算法求得该问题每个实例的最优解

启发式算法(Heuristic):

一个基于直观或经验构造的算法,在可接受的花费(计算时间、占用空间等)下给出待解决优化问题每一个实例的一个可行解该可行解与最优解的偏离程度不一定事先可以预计。这类算法中的每一个算法都以人类、生物的行为方式或物质的运动形态为背景,经过数学抽象建立算法模型,通过计算机的计算来求解组合最优化问题,因此启发式算法也称为智能优化算法。

启发式算法特点:

  • 是一种技术
  • 不能保证所得解的最优性

启发式算法的缺点:

  • 不能保证最优;
  • 不稳定;
  • 依赖于实际问题、设计者经验;  

传统优化技术:

追求理论上的准确与完美

待解决的问题:连续性问题,以微积分为基础,规模较小

主要传统优化方法:

线性与非线性规划、动态规划、多目标规划、整数规划、排队论、库存论、对策论、决策论等。

评价方法:算法收敛性、收敛速度


现代优化技术:

待解决的问题:离散性、不确定性、大规模

现代的优化方法:启发式算法(heuristic algorithm)、追求满意(近似解)、实用性强(解决实际工程问题)

现代的评价方法:算法复杂性

现代优化算法:

禁忌搜索算法、模拟退火算法、遗传算法、人工神经网络、蚁群算法、粒子群算法、混合算法  


算法性能分析:

评价算法优劣的指标

  • 算法的复杂性(计算效率)
  • 解的偏离程度(计算效果)
  • 算法的稳健性(不同实例、不同时间、不同起点的差异)

评价算法优劣的手段

  • 最坏情况分析(纯理论)
  • 概率分析(理论分析)
  • 计算模拟分析(统计特性)

你可能感兴趣的:(智能算法,算法,人工智能,性能优化)