学习视频:【零基础教程】老哥:数学建模算法、编程、写作和获奖指南全流程培训!
智能优化模型基本原理及其编程实现。下面介绍的算法均为优化算法。
优化: 是应用数学的一个分支, 主要研究在特定情況下最大化或最小化某一特定函数。
1. 遗传算法
适用于:不能求导解得最大最小值的函数。
基本介绍
选择操作
我们不能总是人为挑选优良个体,这样会导致多样性程度降低。于是:
交叉操作
变异操作
2. 粒子群算法
核心在于:更新粒子速度和位置。
矢量的叠加。
3. 模拟退火算法
模拟退火算法来源于固体退火原理,是一种基于概率的算法,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。
模拟退火算法从某一较高初温出发,伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,即在局部最优解能概率性地跳出并最终趋于全局最优。
(1)加温过程。其目的是增强粒子的热运动,使其偏离平衡位置。当温度足够高时,固体将熔为液体,从而消除系统原先存在的非均匀状态。
(2)等温过程。对于与周围环境交换热量而温度不变的封闭系统,系统状态的自发变化总是朝自由能减少的方向进行的,当自由能达到最小时,系统达到平衡状态。
(3)冷却过程。使粒子热运动减弱,系统能量下降,得到晶体结构。其中,加温过程对应算法的设定初温,等温过程对应算法的Metropolis抽样过程,冷却过程对应控制参数的下降。这里能量的变化就是目标函数,要得到的最优解就是能量最低态。Metropolis准则是SA算法收敛于全局最优解的关键所在,Metropolis准则以一定的概率接受恶化解,这样就使算法跳离局部最优的陷阱。
优化工具箱:
4. 差分进化算法
在思路和算法实现上和遗传算法有很多相似之处。
差分进化算法:
变异操作:
差分进化:
差分选择:
子代和父代进行比较,从而选择出更优秀的个体。