完全匹配.pptVIP

智能优化算法 杨圣洪 ysh@hnu.edu.cn 346260267(qq) 绪论----最优化的历史 微积分中函数极值，最早的无约束函数优化。 拉格朗日乘子法是最早的约束优化方法。 二战时运筹学(Operation Research)，解决受多个约束条件限制时，目标函数值的最大化(最小化). 其方法有线性规划(单纯型法)、动态规划、博弈论、排队论、存储论等， 这些方法在二次世界大战后，被运用到了经济等诸多领域。 传统最优化的解法 1、选择一个初始解 该解必须是一个可行解。 2、判断停止准则是否满足 一般为最优性条件。如单纯型方法是最下一行?的值均为非负。 3、向改进方向移动 由于采用迭代方法，当不满足停止条件时，需要不断修改当前解。 传统最优化的解法的缺陷 1、单点运算方式，一个初始解出发，迭代只对一个点进行计算，无法并行计算、多核计算。 崽多好打架！无法群狼战略！ 2、向改进方向移动,限制了跳出局部最优的能力,都使得目标函数降低，即不具备“爬山”能力,没有全局有哪些信誉好的足球投注网站能力. 3、停止条件只是局部最优性的条件, 只有当解的可行域凸集、目标函数凸函数时才全局最优。 4、目标函数、约束函数必须连续可微，甚至还要高阶可微 一些新现象 1、目标函数与约束条件不连续，可能离散，可能含有规则、条件和逻辑关系。 2、计算的效率优先, 如TSP问题，本身是一个NP完全问题，更关注算效率，而非最优解。 3、传统方法计算终止可能得到的解,连可行解都不是。但问题要求达到限定迭代次数后就停机，希望此时得到的解是比较优化的解。 4、优化计算中的数据可能不精确，初始解可能不是可行解，甚至远离可行解。数据可能是随机变量、模糊集合。 智能优化方法的历史 1975年、Holland、Genetic Algorithms(遗传算法)：模仿生物种群中优胜劣汰适者生成机制，通过种群中优势个体的繁殖进化来实现优化。通过选择、交叉、变异来寻优，常用于非线性最优化和复杂的组优化或整数规划问题、管道优化设计(网络流)、通风网络的设计、飞机外形设计、图像处理、VLSI设计。 1977年、Glover、Tabu Search(禁忌有哪些信誉好的足球投注网站算法)：将记忆功能引入到最优解的有哪些信誉好的足球投注网站过程中，通过设置禁忌区阻止有哪些信誉好的足球投注网站过程中的重复，这在图论中最短路径的disjktra算法等都用过，从而大大提高寻优过程的有哪些信誉好的足球投注网站效率。 智能优化方法的历史 197X年、Jerne、Artificial immune System(人工免疫系统)。通过进化学习辨别危险的外部物体(细菌、病毒等)和体内自身的细胞(或分子)，通过从不同种类的抗体中，构造处理外部物体的方法或物质。具有并行、分布、自适应性、学习、识别、记忆和特征提取能力。 用于模式识别、信息安全、智能优化、机器学习、数据挖掘、自动控制、故障诊断等领域。 1999年、Hunt、Clone(克隆选择算法)，只有识别抗原的细胞的能进行clone扩增，同时克隆产生的细胞又高频变异，满足生物的多样性要求，使之具有爬山的能力，全局有哪些信誉好的足球投注网站呀！。 智能优化方法的历史 1983年、Kirkpatrick、Simulated Annealing(模拟退火算法)。热力学中退火使金属原子达到能量最低状态的机制，按Boltzmann方程计算状态向量间的转移概率，来引导有哪些信誉好的足球投注网站，从而使算法具有很好的全局有哪些信誉好的足球投注网站能力。 199X年、Dorigo、Ant Colony Optimization(蚁群算法)，模拟蚂蚁群体利用信息素来实现路径优化的机理，通过忘记路径将信息素的变化来解决离散数据的最优化(函数是离散的，约束条件也是离散的，称为组合优化问题，如TSP、0-1背包问题、生产调度问题等)。 智能优化方法的历史 1995年、Kenedy、Eberhart、Particle Swarm Optimization(粒子群优化)，模拟鸟群、渔群集体觅食迁徙中，个体与群体协调一致的机理，群过群体最优化方向、个体最优方法和惯性方向协调来实现最优化。 1999年、Linhares、Predatory Search(捕食有哪些信誉好的足球投注网站)，模拟猛兽捕食中大范围有哪些信誉好的足球投注网站(大步确定大体范围)和局部蹲守(小碎步寻优)的特点，通过设置全避有哪些信誉好的足球投注网站和局部有哪些信誉好的足球投注网站间变换的阈值，来协调两种不同的有哪些信誉好的足球投注网站方式，从而实现对全局有哪些信誉好的足球投注网站与局部有哪些信誉好的足球投注网站的兼顾。 智能优化方法的历史 2000年、Passino、Bacteria Foraging (细菌觅食算法)。模拟大肠杆菌的觅食过程。(1)寻找可能存在食物源的区域；(2)决定是否进入此区域；(3)在所选定的区域中寻找食物源；(4)消耗掉一定的量的食物后，决定是否继续在此区域寻找食物或迁移到另一个更理想的区域。电网电力预测、电压控制、多Agent系统