最优化理论的三大经典算法 优化算法有哪些( 二 )


压力设置可以通过适应度函数进行校准,并且可以选择策略 。
适应度函数标定,在算法前期,应缩小个体适应度差距,降低淘汰率;在算法运行的最后阶段,个体适应度的差距被放大 , 保证了算法能够在适应度较高的个体对应的解区域进行集中搜索 , 加快了算法的收敛速度 。常用的方法有:
线性尺度变换 H= aF bH=aF b\sigmaσ截断法 H= F (\hat F - c\sigma)H=F (F^?cσ)幂律尺度变换 H= F^\alphaH=Fα
选择策略 , 低选择压力可以选择各种类型的个体,加强对未知解区域的搜索,避免算法陷入局部极值,但算法的优化速度会变慢;高选择压力可以选择优秀个体,加快优化速度,但种群多样性会降低,降低了搜索全局最优值的概率 。除了轮盘赌算法,选择策略还包括:
分级选择法锦标赛选择法Boltzmann选择法
2.蚁群算法2.1蚁群优化算法蚁群优化算法是一种起源于自然界和生物学的模拟算法 , 其思想吸收了蚁群在觅食过程中的行为特征 。蚁群算法在通信网络中的TSP问题、二次分配问题、图着色问题、车辆调度问题和负载均衡问题中表现出良好的优化性能 。
自然界的蚂蚁没有视觉 , 依靠环境中分布的同类信息素来决定去哪里 。孤立的蚂蚁沿着同伴的信息素轨迹移动 , 同时释放自己的信息素,从而增加了这条路线上信息素的数量 。随着越来越多的蚂蚁经过这条路线,形成了一条更好的路线(这条路线不一定最短,但对于NP难问题来说已经足够了) 。
2.1.1算法模型以旅行商问题为例,它在图论中被称为最小哈密尔顿问题 。
G = (V , E)G=(V,E)是一个加权图,V=(1,2,3 , ...,N)V=(1,2,3 , ...,N)是顶点集,EE是边集,顶点之间的距离d_{ij}dij已知(

推荐阅读