关闭

神经网络算法

1. 背景:      1.1 以人脑中的神经网络为启发,历史上出现过很多不同版本      1.2 最著名的算法是1980年的 backpropagation (BP算法) 2. 多层向前神经网络(Multilayer Feed-Forward Neural Network)      2.1 Backpropagation被使用在多层向前神经网络上      2.2 多层向前...
阅读(219) 评论(0)

禁忌搜索算法(Tabu Search)

一、局部领域搜索    又称爬山启发式算法,从当前的节点开始,和周围的邻居节点的值进行比较。如果当前节点是最大的,那么返回当前节点,作为最大值(即山峰最高点);反之就用最高的邻居节点替换当前节点,从而实现向山峰的高处攀爬的目的。它是禁忌搜索的基础,TS算法是在其上改进而来。         优点:         1、容易理解,容易实现,具有较强的通用性;         2、局部开...
阅读(457) 评论(0)

模拟退火算法

一、模拟退火算法简介        模拟退火算法(Simulated  Annealing, SA)是一种通用的随机搜索算法,是对局部搜索算法的扩展。与一般局部搜索算法不同,SA以一定的概率选择邻域中目标值相对较小的状态,是一种理论上的全局最优算法。 模拟退火算法是源于对热力学中退火过程的模拟,在某一给定初温下,通过缓慢下降温度参数,使算法能够在多项式时间内给出一个近似最优解。...
阅读(208) 评论(0)

粒子群算法

粒子群算法(particle swarmoptimization,PSO)由Kennedy和Eberhart在1995年提出,该算法模拟鸟集群飞行觅食的行为,鸟之间通过集体的协作使群体达到最优目的,是一种基于Swarm Intelligence的优化方法。同遗传算法类似,也是一种基于群体叠代的,但并没有遗传算法用的交叉以及变异,而是粒子在解空间追随最优的粒子进行搜索。PSO的优势在于简单容易实现同...
阅读(151) 评论(0)

蚁群算法

蚁群算法(AG)是一种模拟蚂蚁觅食行为的模拟优化算法,它是由意大利学者Dorigo M等人于1991年首先提出,并首先使用在解决TSP(旅行商问题)上。 之后,又系统研究了蚁群算法的基本原理和数学模型. 蚁群算法的基本思想: 蚁群算法的基本原理: 1、蚂蚁在路径上释放信息素。 2、碰到还没走过的路口,就随机挑选一条路走。同时,释放与路径长度有关的信息素。...
阅读(763) 评论(0)

免疫算法

免疫算法是受生物免疫系统的启发而推出的一种新型的智能搜索算法,是一种确定性和随机性选择相结合并具有"勘探"与"开采"能力的启发式随机搜索算法。          算法主要的步骤:      (1)抗原识别与初始抗体产生。      (2)抗体评价      (3)免疫操作    免疫算法的特点:      (1)全局搜索能力      (2)多样性保持机制      (3)鲁棒性...
阅读(172) 评论(3)

差分进化算法

差分进化算法(DE)是一种新兴的进化计算技术,它是由 Storn 等人于1995年提出,其最初的设想是用于解决切比雪夫多项式问题,后来成为解决复杂优化问题的有效技术。     差分进化算法的操作如下:     (1)初始化     (2)变异     (3)交叉     (4)选择     (5)边界条件处理    差分进化算法流程图:       matlab仿真实例: ...
阅读(203) 评论(0)

遗传算法

一、背景 遗传算法(GeneticAlgorithm)是由美国的John H.Holland教授及其学生提出的,在1975年出版的《自然与人工系统的自适应性》中系统地阐述了遗传算法的基本理论与方法,它是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。 二.进化论知识   个体(Individual):组成种群的单个生物。 种群(Population):生...
阅读(112) 评论(0)

智能优化算法概述

受人类智能、生物群体社会性或自然现象规律的启发,人们发明了很多智能优化算法,主要包括:    (1)遗传算法: 模仿自然界生物进化机制    (2)差分进化算法: 通过群体个体间的合作与竞争来优化搜索    (3)免疫算法: 模拟生物免疫系统学习和认知功能    (4)蚁群算法:模拟蚂蚁集体寻径行为    (5)粒子群算法:模拟鸟群和鱼群群体行为    (6)模拟退火算法:源于固体物质...
阅读(267) 评论(0)

浅析遗传算法

1 初探遗传算法   Ok,先看维基百科对遗传算法所给的解释: 遗传算法是计算数学中用于解决最优化的搜索算法,是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择以及杂交等。   遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题,一定数量的候选解(称为个体)的抽象表示(称为染色体)的种群向更好的解进化。传统上,解用二进制表示...
阅读(230) 评论(0)

粒子群算法详解

一.产生背景     ❃粒子群算法(particleswarm optimization,PSO)由Kennedy和Eberhart在1995年提出,该算法对于Hepper的模拟鸟群(鱼群)的模型进行修正,以使粒子能够飞向解空间,并在最好解处降落,从而得到了粒子群优化算法。 ❃同遗传算法类似,也是一种基于群体叠代的,但并没有遗传算法用的交叉以及变异,而是粒子在解空间追随最优的粒子进行搜索。...
阅读(7736) 评论(3)
    个人资料
    • 访问:107485次
    • 积分:4313
    • 等级:
    • 排名:第7046名
    • 原创:206篇
    • 转载:135篇
    • 译文:107篇
    • 评论:30条
    最新评论