==============================================================================
1、遗传算法
==============================================================================
这种算法只是介绍一种思想,具体操作时要根据实际问题来决定具体算法步骤。
算法:
(1)随机地建立由字符串组成的初始群体;
(2)计算各个体的适应度;
(3)根据遗传概率,利用下述操作产生新群体:
1)复制。将已有的优良个体复制后添入新群体中,删除劣
质个体;
2)交换。将选出的两个个体进行交换,所产生的新个体添
入新群体中。
3)突变。随机地改变某一个体的某个字符后添入新群体中。
(4)反复执行(2)、(3)后,一旦达到终止条件,
选择最佳个体作为遗传算法的结果。
复制:
100%复制优胜的个体,或是选择从所有得到的个体中选择的百分之几复制
交换:
一个个体编码串的某位数字右边与另一个个体同位置互换
突变:
突变概率很小,0变为1或是1变为0
特点:
智能式搜索、渐进式优化、全局最优解、黑箱式结构、通用性强、并行式算法
应用领域:
函数优化(非线性、多模型、多目标)
组合优化(TSP、背包问题、装箱问题、图形划分问题)
生产调度问题(单件生产车间调度、流水线生产车间调度、生产规划、任务分配)
自动控制(控制器参数的优化、模糊控制规则的学习、参数辨识、神经网络结构优化和权值学习)
机器人(机器人路径规划、关节机器人运动轨迹规划、结构规划、行为协调)
图像处理(扫描、特征提取、图像分割、图像恢复、图像边缘特征提取)
==============================================================================
2、群智能
==============================================================================
蚁群:
信息素,最短路径
粒子群:
分散到集中,寻找极值点
鱼群:
集中到分散,寻找极值点