MATLAB学习笔记_Day08智能算法_遗传、粒子群、模拟退火、差分进化(优化问题)

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

遗传算法详解及代码实现

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

代码实现

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。