群智能优化算法之遗传、粒子群、进化算法

通过实验和文献分析，我们对遗传算法、粒子群算法、差分进化算法的一些指标分别进行分析,归纳如下：

（1）编码标准 GA 采用二进制编码，PSO、DE 都采用实数编码，近年来许多学者通过整数编码将GA 算法、PSO 算法应用与求解离散型问题，特别是 0-1 非线性优化为题，整数规划问题、混合整数规划问题，而离散的 DE 算法则研究的比较少，而采用混合编码技术的 DE 算法则研究更少.

（2）参数设置问题 DE 算法主要有两个参数要调整，而且参数设置对结果影响不太明显，因此更容易使用.相对于 GA 和 PSO 算法的参数过多，不同的参数设置对最终结果影响也比较大，因此在实际使用中，要不断调整，加大了算法的使用难度．高维问题在实际问题中，由于转化为个体的向量维数非常高，因此算法对高维问题的处理，将是很重要的.只有很好的处理高维问题，算法才能很好的应用于实际问题.

（3）高维问题 GA 对高维问题收敛速度很慢甚至很难收敛，但是 PSO 和 DE 则能很好解决.尤其是DE 算法，收敛速度很快而且结果很精确.

（4）收敛性能 对于优化问题，相对 GA，DE 和 PSO 算法收敛速度比较快，但是 PSO 容易陷入局部最优解，而且算法不稳定.

（5）应用广泛性 由于 GA 算法发明比较早，因此应用领域比较广泛，PSO 算法自从发明以来，已成为研究热点问题，这方面应用也比较多，而 DE 算法近几年才引起人们的关注而且算法性能好，因此应用领域将会增多.

摘录于：流水的博客