智能优化算法及其matlab实例（第1章）

                   第1章 概述

1概述

优化问题是指在满足一定条件下，在众多方案或参数值中寻找最优方案或参数值，以使得某个或多个功能指标达到最优，或使系统的某些性能指标达到最大值或最小值。

1.1进化类算法

遗传算法：是模拟生物在自然环境中的遗传和进化过程而形成的自适应全局优化搜索算法。
遗传算法操作：使用“适者生存”的原则，在潜在的解决方案总群中逐次产生一个近视最优的方案。
差分进化算法：是基于群体智能理论的优化算法，是通过群体内个体间的合作与竞争产生的智能优化搜索。
免疫算法：是模仿生物免疫机制，结合基因的进化机理，人工构造出的一种新型智能搜索算法。

1.2群智能算法

群智能算法：无智能的主体通过合作表现出智能行为的特性，是一种基于生物群体行为规律的计算技术。
蚁群算法：蚂蚁有能力在没有任何提示的情形下找到从巢穴到食物源的最短路径，并且能随着环境的变化，自适应地搜索新的路径。
粒子群算法：基于“群体”和“进化”，通过个体间的协作与竞争，实现复杂空间的最优解的搜索。

1.3模拟退火算法

模拟退火算法：其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。是局部搜索算法的扩展。是以一定的概率选择领域中目标值大的状态。

1.4禁忌搜索算法

禁忌搜索算法：它通过禁忌准则来避免重复搜索，并通过藐视准则来赦免一些被禁忌的优良状态，进而保证多样性的有效搜索，以最终实现全局优化。

1.5神经网络算法

人工神经网络：是一种模仿生物神经系统的新的信息处理模型，并有独特的结构。