智能优化算法的适用范围

先再啰嗦一句：智能优化算法解决NP问题，程序的每次运行结果基本都不一样。如果你不能理解这句话，先看我的02号置顶日志。

1. 遗传算法

遗传算法基本可以解决任何优化问题。这是因为遗传算法的编码很自由，而其他智能优化算法在解决具体问题的时候存在一定的局限性（下面介绍）。

遗传算法的编码有多种形式，根据具体问题选择一种合适的编码方式，问题便可迎刃而解。

遗传算法的编码形式有

01编码：如，选址问题，0表示不选，1表示选择；

1~N自然数排列编码：这个编码的特点就是，优化节点访问顺序，要求每个节点都要访问且只能访问一次，如TSP、VRP问题、航班排序问题等等，

自然数编码：一般用于分配问题中，如有N个任务分配给M个工人，那么任务n的对应编码m就表示，任务n分配给工人m

实数编码：求解连续函数时用到，如同后面介绍的群体类算法。

遗传算法的上述四种编码方式，基本可解决任何问题。具体在使用时就要根据问题（主要是约束条件）来选择编码，也会出现一些编码的等效变化，即可能编码是其他样子，但本质用的时候还是上述四种编码。当然也会有复合编码，就是上述四种编码方式的组合。

不同的编码对应的交叉和变异是不一样的，这个就需要根据具体的编码来进行操作。

2. 蚁群算法

说实话蚁群算法的应用范围很窄。

蚁群算法的提出是基于解决旅行商问题（路径最短问题）的，在这个问题中，蚁群算法的信息素的定义以及启发函数的定义都是根据距离进行的