启发式算法
文章平均质量分 72
朱佩棋(代码版)
豫记淮,IE人,努力学习运筹学和算法优化问题
展开
-
樽海鞘算法:一种面向工程设计问题的生物启发优化器
本文针对单目标和多目标优化问题,提出了两种新的优化算法- -稀疏粒子群算法( SSA )和多目标稀疏粒子群算法( MSSA )。SSA和MSSA的主要灵感是大黄鱼在海洋中航行和觅食时的群集行为。这两个算法在几个数学优化函数上进行测试,以观察和确认它们在寻找优化问题的最优解方面的有效行为。在数学函数上的结果表明,SSA算法能够有效地改善初始随机解并收敛到最优解。MSSA结果表明,该算法能够以较高的收敛性和覆盖率逼近Pareto最优解。原创 2023-06-07 00:03:21 · 94 阅读 · 0 评论 -
樽海鞘优化算法
该存储库保持了优化过程中迄今为止获得的最佳非支配解,并且与多目标粒子群优化( MOPSO )中的存档非常相似[ 78 ]。存储库有一个最大的大小来存储有限数量的非支配解。如果一个salp支配了存储库中的一组解,则应该将它们全部从存储库中移除,并在存储库中添加salp。当然,最简单的方法是随机删除存档中的一个解,并用非支配解替换。SSA在每次迭代中用迄今为止得到的最优解更新食物源,但对于多目标问题没有单一的最优解。SSA只保存一个解作为最优解,因此不能存储多个解作为多目标问题的最优解。原创 2023-04-11 14:32:52 · 203 阅读 · 0 评论 -
细菌觅食算法BFOA
(BFO)是模拟大肠杆菌在人体肠道内觅食时所表现出来的智能行为而提出的一类智能优化算法,由K.M.Passino于2002年提出。细菌觅食算法追寻最优解以种群为单位,有很高的搜索效率且具备概率性、随机性,搜索幅度广,具有较强的延展性,进化空间较大。它具有三个典型的行为模式,即趋化行为、复制行为和驱散行为。原创 2022-12-22 12:56:25 · 872 阅读 · 0 评论 -
基本蛙跳算法(Frog leaping algorithm,FLA)
蛙跳算法是基于种群进化的元启发式算法之一,通过模拟自然界中青蛙觅食过程中种群所体现出的交流与合作行为,以实现对问题的求解。原创 2022-12-02 13:45:58 · 3628 阅读 · 0 评论 -
遗传算法(Genetic Algorithm,GA)-基于MATLAB环境实现
genetic algorithm,美国Holland教授创立,基于达尔文进化论和孟德尔的遗传学说。遗传算法类比了生物界中自然选择、交叉、变异等自然进化方式,利用数码串类比染色体,通过选择、交叉、变异等遗传算子模拟生物的进化过程。原创 2022-11-02 11:06:30 · 1081 阅读 · 1 评论 -
粒子群算法应用于重心法选址问题-基于MATLAB实现
设在某计划区域内有n个需求点,它们各自的坐标为,各点的需求量为,配送中心到需求点的运费率是,设该配送中心的坐标是(x,y)。原创 2022-10-05 16:44:54 · 3110 阅读 · 3 评论 -
人工蜂群算法(Artificial Bee Colony Algorithm,ABC)
人工蜂群算法是模仿蜜蜂行为提出的一种优化方法,是集群智能思想的一个具体应用,它的主要特点是不需要了解问题的特殊信息,只需要对问题进行优劣的比较,通过各人工蜂个体的局部寻优行为,最终在群体中使全局最优值突现出来,有着较快的收敛速度。原创 2022-10-16 20:57:09 · 7675 阅读 · 4 评论