一些笔记:
1.遗传算法
选择-交叉-变异的循环
2.差分进化算法
知乎:https://zhuanlan.zhihu.com/p/112471225
3.粒子群算法
利用自己的最优值和全局的最优值来调整前进的方向。
标准PSO算法的流程
1)初始化一群微粒(群体规模为N),包括随机位置和速度;
2)评价每个微粒的适应度;
3)对每个微粒,将其适应值与其经过的最好位置pbest作比较,如果较好,则将其作为当前的最好位置pbest;
4)对每个微粒,将其适应值与其经过的最好位置gbest作比较,如果较好,则将其作为当前的最好位置gbest;
5)根据公式(2)、(3)调整微粒速度和位置;
6)未达到结束条件则转第2)步。
迭代终止条件根据具体问题一般选为最大迭代次数Gk或(和)微粒群迄今为止搜索到的最优位置满足预定最小适应阈值。
https://cloud.tencent.com/developer/article/1424756
4.模拟退火算法
以一定概率接受不是最优的解。
https://www.cnblogs.com/heaad/archive/2010/12/20/1911614.html
5.鱼群算法
觅食行为、聚群行为、追尾行为、随机行为