自己学习资源:
【图文】群智能理论及粒子群优化算法_百度文库
https://wenku.baidu.com/view/c855e622a5e9856a56126075.html
书本《智能算法以及MATLB实例》 包子阳 余继周 --------第一章
首先是优化问题:
之前说过(1)函数优化(2)组合优化。核心就是在众多的解决方案中或参数值中寻找最优方案或参数值,使得某个或多个功能指标达到最优,或使得系统的某些性能指标达到最大值或最小值。
参看:
https://blog.csdn.net/luolang_103/article/details/79553925
![](https://i-blog.csdnimg.cn/blog_migrate/60dcd4a0fdbe1d2b426aa6aa9d4be9b4.png)
总结:优化问题是个体和系统一种固有的关系。个体(函数优化问题中的每个点或者是组合优化中的每一个解)总之就是总的系统函数或者是模型方案集中找到最好的。
Swarm Intelligence
(1)概念是有Benin、Hackhood在分子自动机系统中提出的。1999年Bonabeau 、Dorigo、Theraulaz在《Swarm Intelligence:FromNatural Artifical Systems》给出的不严格的定义:任何一种由昆虫群体或其他动物社会行为机制而激发设计主的算法或分布式解决问题的策略。
为什么要使用群体的力量?群体的优势?
群体主要的就是依靠个体之间信息的传递获得多方面的策略,所以说最重要的是信息,主要目的就是获得信息。信息是交流进化的基础。
(2)2001年James Kennedy和Russell C.Eberhart出版《Swarm Intelligence》赞同Mark Millonas(1994)提出的而构建一个SI系统所应该满足的条件:
稳定性原则:是为了稳定的向着全局最优解的方向发展
适应性原则:感觉有种突然变异的
EC与SI:
EC(进化类算法)就是对生物演化种的使者生存的一种模拟,主要的算法有----(遗传算法)GA
GA:(1)选择的作用:优胜劣汰的生存法则
(2)交叉的作用:保证种群的稳定性,朝着最优解的方向优化
(3)变异的作用:保证种群的多样性,避免交叉可能产生的局部收敛
SI并不是为了像EC一样去模拟自然的现象,而是利用他们的某些特点去解决实际问题,另外基于SI的优化算法也是概率搜索算法。
SI潜在的并行性和分布式特点为处理大量的以数据库形式存在的额数据提供了技术保证(这句理解不了)
ACo算法就是设计虚拟“蚂蚁”让他摸索不同路线,并留下会随时间逐渐消失的虚拟“信息素”。根据“信息素较浓的路线较近”的原则,选出最佳路线。