模拟进化算法(Simulated EA, EA)
自然界中生物进化是一个规律。如何进化的?孟德尔的“遗 传变异”理论和达尔文的“自然选择”学说回答了这个问题。 模拟进化算法就是一类模拟自然界生物进化过程的优化方法, 具有并行、随机、自适应的特点。其中最有名进化算法—— 遗传算法(GA)由Holland于1975年提出。
模拟退火算法(Simulated Annealing Algorithm)
模拟进化算法(Simulated evolutionary algorithm) 集群优化方法(Swarm optimization)
蚁群优化(Ant Colony Optimization) 粒子群优化算法(Particle Swarm Opt.) 人工免疫系统 (Artificial Immune System, AIS) 克隆选择算法(Colonal Selection Algorithm, CSA)
最后,只有识别抗原并与其结合的抗体才能增殖和保存于记忆细胞中,低质量抗 体则被排除在进一步的免疫应答过程之外,这体现了克隆选择的自然选择特性。
克隆选择算法步骤
1. 随机产生规模为N的初始抗体种群Ab 2. 对于种群中的每个抗体Abi,计算其亲合度,并选择n个亲合度最高的抗体组成Ab{n} 3. 为Ab{n}中的每个抗体产生与其亲合度成比例的数目的克隆,组成克隆种群C
传统优化理论与方法的局限性
传统理论方法面向的问题
函数优化问题 min f ( X ) X R n
subject to gi ( X ) 0 i 1,, p
传统方法思路与步骤
hi ( X ) 0 i 1,, q
定义增广目标函数,转化约束优化问题为无约束优化问题; 基于梯度类方法求解无约束优化问题的局部最优解。