算法讲解—【2】—遗传算法&群智能

==============================================================================

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