群智能优化算法学习规划_高斯随机游走策略-CSDN博客

本文链接：https://blog.csdn.net/qq_44865735/article/details/123608527

本文介绍了群智能优化算法的基本概念，如蚁群算法和粒子群算法，并列举了一系列相关算法，如遗传算法和人工蜂群优化算法。讨论了算法的寻优过程和常见改进方法，包括混沌映射和策略优化个体迭代更新。同时提出了改进算法的三种类型，包括初始化种群优化、策略优化和混合算法。文章适合于研究和学习优化算法的研究生，提供了论文写作和学习规划的参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

群智能优化算法：

“群” 指的是自然界的群体，“智能” 指的是自然界的生物群体的生存和生活方式体现着一种智慧，“优化” 是一种数学问题，在既定约束下，对于某个目标寻找最优解决方案（最优值或得到最优值的最优参数），“算法” 即使用系统方法描述解决问题的策略机制，给定规范输入一定时间内获得所要求的输出。

核心含义：人们通过对一些自然中的生物群体行为特征（觅食、筑巢）的模仿，提出各种高效的优化算法。

寻优过程：通过设计一种无质量的粒子模拟动物群（事物群）中的个体（具有速度和位置属性，速度代表快慢，位置代表方向），个体在搜索空间中单独搜寻最优解，记为个体极值，并与其他个体共享，目标是找到最优的个体极值作为群体中的全局最优解，优化问题即是，个体根据自己的个体极值和当前群体中的全局最优解调整自己位置。个体之间存在竞争，迭代调整位置时最优个体会发生变化，直到达到设定的条件，停止迭代，此时的全局最优解作为目标值，我们关心的是寻优的速度（收敛速度）和避免陷入局部最优。

2.常见的群智能优化算法（待补充）

有主要蚁群算法和粒子群算法

其他：遗传算法，人工蜂群优化算法，细菌觅食算法，模拟退火算法，蜘蛛猴优化算法，布谷鸟搜索，萤火虫，天牛须搜索算法，蝙蝠算法，鱼群优化算法，蟑螂算法，猫群算法，烟花算法，鲸鱼优化算法，狩猎搜索，海豚回声定位算法，灰狼优化算法，麻雀搜索算法，果蝇优化算法，海鸥优化算法，食肉植物优化算法，人工鱼群算法..........