现代智能优化算法的研究综述_吴春梅.pdfVIP

科技信息 现代智能优化算法的研究综述 柳州师范高等专科学校数学与计算机科学系 吴春梅 ［摘 要］本文着重回顾了现代智能优化算法的发展历程，主要介绍了现代智能优化算法的基本概念，主要包括模拟退火算法、遗传 算法、神经网络优化算法、蚁群算法、粒子群优化算法等，并阐述了其工作原理和特点，归纳了它们主要的应用方向，同时对智能计算 方法的发展进行了展望。 ［关键词］现代智能优化算法 遗传算法 神经网络优化算法 0、引言 冗余的变量，又加入了一些随机变化的量，使得鸟群的运动更像是空间 随着优化理论的发展，一些新的智能算法得到了迅速发展和广泛 微粒的运动，所以称之为微粒群算法。 应用，成为解决传统优化问题的新方法，如遗传算法、蚁群算法、粒子群 2、现代智能优化算法的工作原理和特点 算法等。这些算法大大丰富了现代优化技术，也为具有非线性、多极值 2.1模拟退火算法的工作原理和特点 等特点的复杂函数及组合优化问题提供了切实可行的解决方案。现代 模拟退火算法的一般步骤描述如下： ∈ 智能优化算法主要包括：模拟退火算法、遗传算法、神经网络优化算法、 a)初始化。任选初始解，i S，给定初始温度T ，终止温度T，令迭0 f 蚁群算法、粒子群优化算法。这些优化算法都是通过模拟揭示自然现 代指标k=0,T=T。k 0 象和过程来实现，其优点和机制的独特，引起了国内外专家学者的高度 b)随机产生一个领域解，j∈N（i）,(N(i)表示i的领域)，计算目标值增 重视。以下对几种常用的现代智能优化算法作简要的概述，并对智能 量△f=f(j)-f(i)。 计算方法的发展进行了展望。 c)若△f0,令i=j转步骤4；否则产生ξ∈U（0，1），若exp(-△f/T)k 1、现代智能优化算法的发展历程及基本概念 ξ,则令i=j。 1.1模拟退火算法(SimulatedAnnealing，SA) d)若达到热平衡（内循环次数大于n(T)）转步骤e)，否则转步骤b)。k [1] 模拟退火算法 的思想最早是由Metropolis(1953)提出的，1983年 e)k=k+1降低T ，若TT停止，否则转步骤b)。k k f Kirkpatrick等人将其应用于组合优化。该算法来源于物理中固体退火 模拟退火算法的特点：SA的实验性能具有质量高，初值鲁棒性强， 过程与一般组合优化问题之间的相似性，是基于MentcCarlo迭代求解 通用易实现的优点，编程最容易，理论最完善。但是，为了寻求最优解， 策略的一种随机优化算法。SA算法的基本思想是从一给定初始解开 算法通常要求较高的初温、较慢的降温速率、较低的终止温度以及各温 始,在邻域中随机产生另一个解，接受准则允许目标函数在有限范围内 度下足够多次的抽样，因此模拟退火算法往往优化过程较长，这也是 变差,以一定概率接受较差的解。目前，已经证明SA是一种在局部最优 SA算法最大的缺点。 解中能概率性地跳出并最终趋于全局最优，是依概率1收敛于全局最 2.2遗传算法的工作原理和特点 优解的优化方法。