1、简介
人们总是能从大自然中得到许多启迪,从生物界的各种自然现象或过程中获得各种灵感,由此提出了许多能够解决复杂函数优化的启发式算法,主要分为演化算法和群体智能算法。
演化算法是一种模拟生物进化的随机计算模型,通过反复迭代,那些适应能力强的个体被存活下来,比如遗传算法,进化规划,进化策略等。
群体智能算法是通过观察社会生物群体的各种行为得到启发而提出的一种新型的生物启发式计算方法,比如蚁群、鸟群、狼群、鱼群、萤火虫群等。
2、演化算法
遗传算法(GeneticAlgorithm,GA):是基于Darwin进化论和Mendel的遗传学说的随机化自适应搜索算法,最先由美国Michigan大学的Holland教授于年提出。由于采用了类似物种进化过程中基因的选择、交叉和编译等操作手段,使得遗传算法在本质上成为一类非确定性算法,具有全局搜索能力,特别适用于多峰值函数的优化问题。遗传算法思想是从代表问题可能潜在解集的一个种群开始,一个种群由经过基因编码的一定数目的个体组成,初始种群生产之后,按照适者生存和优胜略汰的原理,逐代演化生产出越来越好的近似解。每一代,根据问题域中个体的适应度挑选个体,并借助自然遗传学的遗传算子进行交叉和变异,产生出代表新的解集的种群。这过程将导致种群像自然进化一样,后代种群比前代更加适应环境,末代种群中的最优个体经过编码可以作为问题的近似解。在人工智能研究中,人们认为遗传算法、自适应系统、细胞自动机、混沌理论与人工智能一样,都是对今后的计算技术有重大影响的关键技术。
差异演化算法(DifferentialEvolution,DE):是一种基于群体差异的演化算法,该算法是RainerStorn和KennedyPrice在年为求解切比雪夫多项式而提出,随后在各个领域得到了广泛应用。差异演化是基于实数编码的进化演化算法,它的群体结构类似于遗传算法,与遗传算法的主要区别在变异操作上,差异演化的变异操作是基于染色体的差异向量进行,其余操作和遗传算法类似。由于差异演化的关键步骤变异操作是基于群体的差异向量信息来修正各个体的值,随着进化代数的增加,各个体之间的差异化信息在逐渐缩小,以至于后期收敛速度变慢,甚至有时会陷入局部最优点。
3、群体智能算法
群体智能优化算法统一框架模式:
群体智能优化算法是一类基于概率的随机搜索进化算法,各个算法之间存在结构、研究内容、计算方法等具有较大的相似性。因此,群体智能优化算法可以建立一个基本的理论框架模式:
Step1:设置参数,初始化种群;
Step2:生成一组解,计算其适应值;
Step3:由个体最有适应着,通过比较得到群体最优适应值;
Step4:判断终止条件示否满足?如果满足,结束迭代;否则,转向Step2;
各个群体智能算法之间最大不同在于算法更新规则上,有基于模拟群居生物运动步长更新的(如PSO,AFSA与SFLA),也有根据某种算法机理设置更新规则(如ACO)。
统一框架下的群体智能优化算法,可以根据优化对象的特性只能地选择适合的更新规则,进行运算得到理想的优化结果。
蚁群算法(AntColony,ACO):是模拟真实的蚁群秘觅食过程寻求最短路径的原理,由意大利学者Dorigo等在20世纪90年代首先提出。最初的蚁群算法成为蚂蚁系统,对于旅行商问题(TSP)及二次分配问题(QAP)等取得了较好效果,经过改进后成为蚂蚁算法或蚁群算法。蚁群算法吸收了蚂蚁群体行为的典型特征:一是能觉察小范围区域内情况,并能判断出是否有食物或其他同类的信息素轨迹;而是释放自己的信息素;三是所遗留的信息素会随时间而逐步减小。蚁群算法通过候选解组织群体的过程来寻求最优解,这个过程包括适应阶段和协作阶段。在适应阶段,各候选解根据积累的信息不断调整自身的结构;在协作阶段各候选解间通过信息交流,以便产生系能更好的解。
人工神经网络(ArtificialNeuralNetwork,ANN):年心理学家McCulloch和数学逻辑学家Pitts在研究生物神经的基础上,首先利用数理逻辑提出了第一个简单的ANN模型,开创了了ANN研究的先河。该算法是大脑及其活动的一个理论化的数学模型,由大量的处理单元相互连接而成,是神经元联结形式的数学抽象,是一个大规模的非线性自适应模型。人工神经网络具有高速的运算能力、很强的自学能力、自适应能力和非线性映射能力以及良好的容错能力,特别适用于处理需要同时考虑多种因素和条件的,不精确和模糊的信息处理问题,因此广泛应用于模式识别、图像处理、信号及信息处理、系统优化和智能控制等,特别是近期非常火热的神学学习算法是多层神经网络的应用。
人工免疫算法(ArtificialImmuneAlgorithm,AIA):免疫系统是哺乳动物抵御外来有害物质侵害的防御系统,动物一生处于复杂多变、充满伤害的自然环境中,但是它们能够平安无事地进行正常的生命活动,其原因是免疫系统在起着重要作用。人工免疫算法正是基于生物免疫抗体产生记忆系统的学习机理的产物。20世纪90年代初,Bersini和Varela首次实用AIA来解决实际问题。该算法是继遗传算法以来又一种具有广阔应用前景的方胜优化算法。
粒子群优化算法(Particleswarmoptimizationalgorithm,PSO):最早是在年由Kennedy和Eberhart提出的一种基于智能启发的全局优化技术演化计算方法,起源于生物学家对鸟群觅食过程行为的观察研究,具有易理解、易实现、全局搜索能力强等特点备受科学工程领域的极大
转载请注明:http://www.aideyishus.com/lkgx/132.html