群智能优化算法综述

《群智能优化算法综述》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、WORD格式可编辑现代智能优化算法课程群智能优化算法综述学生姓名：学号：班级：2014年6月22日专业知识整理分享WORD格式可编辑摘要工程技术与科学研究中的最优化求解问题十分普遍，在求解过程中，人们创造与发现了许多优秀实用的算法。群智能算法是一种新兴的演化计算技术，已成为越来越多研究者的关注焦点，智能优化算法具有很多优点,如操作简单、收敛速度快、全局收敛性好等。群智能优化是智能优化的一个重要分支，它与人工生命，特别是进化策略以及遗传算法有着极为特殊的联系。群智能优化通过模拟社会性昆虫的各种群体行为，利用群

2、体中个体之间的信息交互和合作实现寻优。本文综述群智能优化算法的原理、主要群智能算法介绍、应用研究及其发展前景。关键词：群智能；最优化；算法专业知识整理分享WORD格式可编辑目录摘要11概述32定义及原理32.1定义32.2群集智能算法原理43主要群智能算法43.1蚁群算法43.2粒子群算法53.3其他算法64应用研究75发展前景76总结8参考文献9专业知识整理分享WORD格式可编辑1概述优化是人们长久以来不断研究与探讨的一个充满活力与挑战的领域。很多实际优化问题往往存在着难解性,传统的优化方法如牛顿法、共扼

3、梯度法、模式搜索法、单纯形法等己难以满足人们需求。因此设计高效的优化算法成为众多科研工作者的研究目标。随着人类对生物启发式计算的研究,一些社会性动物(如蚁群、蜂群、鸟群)的自组织行为引起了科学家的广泛关注。这些社会性动物在漫长的进化过程中形成了一个共同的特点:个体的行为都很简单,但当它们一起协同工作时,却能够“突现”出非常复杂的行为特征。基于此,人们设计了许多优化算法,例如蚁群算法、粒子群优化算法、混合蛙跳算法、人工鱼群算法,并在诸多领域得到了成功应用。目前,群智能理论研究领域主要有两种算法:蚁群算法(An

4、tColonyOptimization,ACO)和粒子群优化算法(ParticleSwarmOptimization,PSO)。2定义及原理2.1定义群集智能优化算法源于对自然界的生物进化过程或觅食行为的模拟。它将搜索和优化过程模拟成个体的进化或觅食过程，用搜索空间中的点模拟自然界中的个体；将求解问题的目标函数度量成个体对环境的适应能力；将个体的优胜劣汰过程或觅食过程类比为搜索和优化过程中用好的可行解取代较差可行解的迭代过程。从而，形成了一种以“生成+检验”特征的迭代搜索算法，是一种求解极值问题的自适应人工

5、智能技术。各类优化算法实质上都是建立问题的目标函数，求目标函数的最优解，因而实际工程优化问题均可转化为函数优化问题。其表达形式如下：求：其中，为设计变量；为被优化的目标函数；为约束函数；为设计变量的可行域。专业知识整理分享WORD格式可编辑2.2群集智能算法原理自然界中一些生物的行为特征呈现群体的特征，可以用简单的几条规则将这种群体行为在计算机中建模，Reynolds认为动物以群落形式生存觅食时一般遵循三个规则1)分隔规则：尽量避免与临近伙伴过于拥挤；2)对准规则：尽量与临近伙伴的平均方向一致，向目的运动；

6、3)内聚规则：尽量朝临近伙伴的中心移动。以上规则可归纳为个体信息和群体信息两类信息，前者对应于分隔规则，即个体根据自身当前状态进行决策；后者对应于对准规则和内聚规则，即个体根据群体信息进行决策。另外，由于动物行为一般具有适应性、盲目性、自治性、突现性以及并行性等特征。因此自组织性、突现性成为群集智能优化算法的两大基本特征。群集智能优化算法通过Reynolds模型模拟了整个群体的运动，使得算法的迭代搜索过程成为一个不断地利用个体极值和群体极值来修正自身进行寻优搜索的过程，实现了个体与群体的信息交互与相互协作。

7、个体极值具有一定的随机性，在一定的程度上保持了搜索方向的多样性，避免了过早地收敛而陷于局部最优；群体极值从整体上把握了寻优的方向，从而保证算法的收敛性。3主要群智能算法3.1蚁群算法蚁群算法蚁群算法(antcolonyoptimization,ACO)，又称蚂蚁算法，是一种用来寻找最优解决方案的机率型技术。它由MarcoDorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚂蚁在路径上前进时会根据前边走过的蚂蚁所留下的分泌物选择其要走的路径。其选择一条路径的概率与该路

8、径上分泌物的强度成正比。因此，由大量蚂蚁组成的群体的集体行为实际上构成一种学习信息的正反馈现象：某一条路径走过的蚂蚁越多，后面的蚂蚁选择该路径的可能性就越大。蚂蚁的个体间通过这种信息的交流寻求通向食物的最短路径。专业知识整理分享WORD格式可编辑蚁群算法就是根据这一特点，通过模仿蚂蚁的行为，从而实现寻优。这种算法有别于传统编程模式，其优势在于，避免了冗长的编程和筹划，程序本身是基于一定规则的随机运行来寻找最佳配置