智能优化方法——产生与发展

智能优化方法的产生与发展

最优化的重要意义

当我们研究问题是，往往离不开建立模型，建立模型后就会不断的去优化，以得到更好的过程与结果。建模的目的除了认识学习以外，再者就是为了优化了，而优化也必须建立在建模的基础上。就像车间生产线，当生产线搭建完成后，相当于模型建立完成，日后我们对生产线的研究（哪一段需要改进？哪一段需要淘汰？哪里需要加入进的流程？）就是一个优化的过程，选择最优的方法，才能让生产线提高效率，为社会带来收益。

传统优化方法

产生一个解

传统的优化方法一般从一个初始的可行解开始。对无约束的非线性函数优化问题，初始解一般可以任选；对带约束的非线性规划问题，初始解必须为可行解。

判断结果是否符合预期

这一步需要对计算或优化后的结果进行判断，当此次的运算为最优方法时，停止循环，否则继续寻找最优化方法。

进行反复优化

当最优化的方法或条件不能满足时，就必须进行迭代优化：例如对于线性规划的单纯形法，做转轴变换；对于非线性规划的最速下降法、共轭梯度法、变尺度法等。

传统与优化方法的局限性