遗传算法 粒子群算法_遗传算法与粒子群算法比较

原文连接：遗传算法与粒子群算法比较，欢迎关注微信公众号：“二层楼实验室”

问题描述

这是一个典型的多峰多谷、具有多个局部极小/极大值问题。

直观来看，梯度类、直接搜索类算法显然不适合。

下面分别使用粒子群算法和遗传算法来求解。

像粒子群、遗传这类启发式算法，其初始解是随机的，无需选择或指定。

粒子群算法求解过程及探索区域如下：

其中:粒子个数10.评估点数500.

搜索区域较大，最优解附近搜索密度较大，兼具搜索范围和精度需求。

求解结果：[0.008,0.065,8.51]，解具有很高的精度。

遗传算法求解过程及探索区域如下：

其中:粒子个数20.评估点数500.

搜索区域较大，在局部最优解附近搜索密度较大(陷入局部最优)，此次求解未能找到全局最优解。

求解结果：[1.06,2.03,13.84]，接近全局最优解，但缺乏精度。

由以上求解过程及最终结果可知，PSO算法及遗传算法探索区域较大，大部分情况下能够有效避免陷入局部极小值，同时在最小值附近能够集中搜索，得到较高的精度，但是所需求解步数较大，求解时间消耗较长。

在实际工程应用中需结合经验，综合考虑，选取合适的优化算法，以期以较小的时间和资源开销得到较优的结果。