智能优化算法简介 |
您所在的位置:网站首页 › 进化计算包括什么 › 智能优化算法简介 |
智能优化算法:
受人类智能、生物群体社会性或自然现象规律的启发。 主要包括: (1)遗传算法: 模仿自然界生物进化机制 (2)差分进化算法: 通过群体个体间的合作与竞争来优化搜索 (3)免疫算法: 模拟生物免疫系统学习和认知功能 (4)蚁群算法:模拟蚂蚁集体寻径行为 (5)粒子群算法:模拟鸟群和鱼群群体行为 (6)模拟退火算法:源于固体物质退火过程 (7)禁忌搜索算法:模拟人类智力记忆过程 (8)神经网络算法:模拟动物神经网络行为特征 大体可以分为以下五类: (1)进化类算法: 遗传算法、差分进化算法、免疫算法 推荐阅读: 智能优化算法 https://blog.csdn.net/mago2015/article/details/83748349 (2)群智能算法 蚁群算法、粒子群算法 群体智能优化算法出现后,可以说是非常的受欢迎,很多研究学者也都提出了一些自己的群体智能优化算法,但是,受到大家认可(应用较为广泛)的算法大致为: 蚁群算法-------------1992年提出 粒子群优化算法----1995年提出 菌群算法-------------2002年提出 蛙跳算法-------------2003年提出 人工蜂群算法-------2005年提出 花朵授粉算法-------2012年提出 除了几种常见的算法之外,还有很多很多被提出的群体智能优化算法,例如:萤火虫算法、布谷鸟算法、蝙蝠算法、狼群算法、烟花算法、合同网协议算法等等。 推荐阅读: 群体智能优化算法 https://blog.csdn.net/xiaobiyin9140/article/details/84279140 (3)模拟退火算法 (4)禁忌搜索算法 (5)神经网络算法 推荐阅读智能优化算法总结 https://blog.csdn.net/Sinde1992/article/details/50321225 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |