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。