智能计算粗略笔记

一、智能计算有关
1.NFL定理
No Free Lunch 定理：即“无免费午餐”定理中所描述的万能算法不存在。
根据NFL定理，一个算法优化，仅仅是该算法对某一类问题具有良好的算法性能，对于其他问题，其性能必然下降，进一步说，如果算法对某一类问题具有良好的特性，这只说明该算法的搜索机理适合这类问题的结构，对于其他问题的结构则不适合。
2.智能优化算法
又称现代启发式算法，是一种全局优化性能，通用性强，且适合于并行处理的算法
3.适应度收敛曲线
（1）最佳适应度沿迭代次数的增高而升高（单调递增）
（2）平均适应度不一定单调递增
（3）多次试验后，可发现收敛点，下次再运行，可将进化次数减少
4.启发式算法
（1）爬山法
是一种简单的贪心搜索算法，利用反馈信息帮助生成解的决策。爬山法的主要缺点是会陷入局部最优解，而不一定能搜索到全局最优解。
（2）模拟退火
是一种贪心算法，但是他的搜索过程引入了随机因素，模拟退火算法以一定的概率来接受一个比当前解还要差的解，因此有可能跳出这个局部的最优解，达到全局的最优解。模拟退火算法是健壮的。
5.局部搜索算法
（1）局部搜索算法 从一个解出发，利用邻域函数持续地在当前解的邻域中搜索比它更好的解
搜索性能完全依赖于邻域函数和初始解。
（2）贪婪思想无疑使算法丧失全局优化能力。
6.禁忌思想
是一种全局逐步寻优算法
禁忌表 包括紧急对象和禁忌长度

二、蚁群算法（Ant Colony Optimization）
1.蚁群算法中成功用于解决旅行商问题（TSP问题）
还用于Job-shop调度，背包问题，二次指派问题
2.蚁群三个行为特征：觅食行为，任务分配，死蚁堆积阁
3.死蚁堆积阁，正反馈，蚁堆越大会吸引更多蚂蚁把更多尸体堆放在此处
4.蚂蚁留下外激素进行信息传递 正反馈
大量蚂蚁组成的蚁群集体行为表现出信息正反馈现象
某一路径上走过的蚂蚁越多，后来者选择该路径的概率越大

三、粒子群算法（Particle Swarm Optimization PSO）
1.最初是根据鸟群觅食行为得到的
2.基本思想：通过群体间个体间的协作和信息共享来寻找最优解
3.粒子群算法的标准公式
Vi=ωVi&