单目标优化算法：遗传算法

最新推荐文章于 2024-11-12 10:45:36 发布

Youth009

最新推荐文章于 2024-11-12 10:45:36 发布

阅读量1w

点赞数 4

分类专栏：数学建模文章标签：几何学概率论动态规划

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_53300975/article/details/125905706

版权

数学建模专栏收录该内容

3 篇文章

订阅专栏

本文介绍了智能优化算法在解决复杂问题中的应用，包括遗传算法、粒子群优化和多目标优化算法如NSGA-II。这些算法常用于处理无法直接解析的目标函数或约束条件。重点讨论了如何将问题转化为最小值问题，并强调了目标函数、决策变量和约束条件在优化过程中的关键作用。此外，还探讨了优化算法在黑箱问题中的适用性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.单目标优化：遗传算法（物竞天择，适者生存）
2.单目标优化：粒子群算法（鸟类找食物）
3.多目标优化：NSGA-II算法
4.多目标优化：多目标粒子群算法
5.优化工具箱及实战案例分析

规划问题：有明确的表达式，可以解出来
智能优化算法：没有准确的目标函数或者说我们很难通过线性规划或者0-1规划求解的问题。

单目标优化算法：遗传算法
优化:是应用数学的一个分支，主要研究在特定情况下最大化或最小化某一特定函数。
做法：调整你已经建立好的模型的参数->先有一个模型，后套用优化方法
适用：黑箱问题
在这里插入图片描述

目标函数、决策变量、约束条件！！重要
优化算法：一定最好转化成求最小值的问题。最大值取倒数

在这里插入图片描述

待更新…

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。