温馨小提示:本文章主要提炼了遗传算法(GA)、粒子群算法(PSO)和模拟退火算法(SA)的精髓,故更适合具有一定基础的童鞋加深理解。
1.1 遗传算法(GA)
1.1.1 实际问题中
(1)确定目标函数,并建立与遗传算法中适应度函数的关系
(2)确定需要优化的参数
1.1.2 遗传算法的寻优过程
(1)根据之前确定的优化参数进行编码;
(2)确定种群规模,并对种群进行初始化;
(3)选择其中一部分个体或全部个体,按照预定的交叉概率进行交叉操作;
(4)选择其中一部分个体或全部个体,按照预定的变异概率进行变异操作;
(5)根据适应度函数以及相应的新解接受准则进行子代的选择;
(6)终止准则。
1.2 模拟退火算法(SA)
1.2.1 概念
模拟退火算法的简单理解:加热到较高温度缓慢冷却到结晶的过程中,类似热力学系统,随着温度的缓慢降低,系统能量逐渐趋于最低的过程。
1.2.2 核心部分
模拟退火算法包含内外两重循环:其中外循环由温度控制,而温度受初始温度、终止温度和温度衰减因子决定,温度对Metropolis准则具有影响;内循环由自己设定的次数确定,主要是控制每个温度下新解的产生次数,与缓慢降温过程相对应。
Metropolis准则:
上式中,