智能优化 - 副本.pptVIP

智能优化方法 班级： 姓名： 学号： 细菌觅食算法 蛙跳算法 禁忌搜索算法 智能优化方法介绍 1）细菌觅食算法 细菌觅食优化算法（BFO）是通过对自然界中微生物大肠杆菌觅食行为机理的模拟而得到的。细菌觅食算法通常用于连续域的优化问题，并在天线布局优化、电力负荷预测、图像处理、控制器优化设计等方面得到了广泛应用。 N. Pandit 等[146]考虑到大种群细菌会影响到求解效率，提出了小种群的进化机制，并将其应用到电力系统的机组调度中。P. D. Sathya 等对大肠杆菌的觅食行为及运动机理进行了认真分析，指出细菌在觅食过程中灵活调整步长有助于提高觅食效率，并依此对细菌觅食算法进行了改进，并通过脑部核磁共振图像的阈值分割进行了验证。S. Mishra针对电力系统谐波分量难以测量的情况，基于模糊规则提出了一种改进的细菌觅食算法，依此对谐波分量进行估计。R. Majhi等建立了带权重的股票走势预测模型，并基于细菌觅食算法对权重进行了训练，以使模型更准确的反映股票走势。H. N. Chen 等受自然界生物自适应觅食策略的启发，提出了自适应的细菌觅食优化算法。A. Biswas 等考虑到粒子群算法具有较强的解空间开拓能力的特点，通过在细菌觅食过程中嵌入粒子行为的方式对细菌的趋化行为进行了改进，使细菌感知全局极值的能力得到增强，由此提出了一种混合型细菌觅食算法，并应用到函数优化问题中。储颖等将 BP神经网络抽象为一个细菌，基于 BP 神经网络提出一种改进型细菌觅食算法，并将其应用到图像压缩问题中。V. R. Pandi 等将差分进化算子引入到细菌觅食算法中，提出了一种基于差分进化算子的细菌觅食优化算法。马溪原等结合细菌觅食算法对混合微电网电源优化配置问题进行了研究。 2）蛙跳算法  蛙跳算法是一种新颖的仿生智能优化算法，凭借其可调参数少及寻优能力强的优势，已在多个领域中得到了广泛的应用。 M. Eusuff 等结合管道网络扩充中的尺寸优化问题对蛙跳算法的求解性能进行了研究。B. Amiri 等针对K-means 在数据挖掘聚类分析中对初始状态有较强依赖性的缺点，提出一种SFLK-means 聚类分析方法。宋晓华等针对支持向量机在中长期负荷预测中关键参数较难选择的问题，引入了蛙跳算法对支持向量机关键参数进行了优化，有效避免了支持向量机容易产生“过学习”或“欠学习”等问题，使得支持向量机能够获得更强的学习能力及预测能力。D. Y. Tang 等将差分算子引入到蛙跳算法中，并将其应用到网格任务调度优化问题中。王介生等结合 PID 参数整定问题，提出一种新的蛙跳规则，用以模拟青蛙的感知和运动的不确定性，以此来增强蛙跳算法的局部搜索能力。林梅金等针对污水生化处理常常受入水流量和质量浓度变化的影响而处于动态反应过程，如何确定控制变量动态最优设定值是其控制优化的一个难题。结合具有快速寻优特性的粒子群优化算法，提出了一种混合型蛙跳粒子群算法。 3）禁忌搜索算法 禁忌搜索算法作为求解优化问题的智能算法，也在很多领域中得到了应用。 E. Diaz 等将禁忌搜索算法应用到软件自动化测试方面。S. Meeran 等将全局寻优能力强的遗传算法与局部寻优能力强的禁忌搜索算法结合起来，提出了混合型禁忌搜索算法，并应用于求解车间调度问题。A. Misevicius 等通过二次指派问题对禁忌搜索算法进行了研究。O. Atli基于禁忌搜索算法和精确算法对资源受限的调度优化问题进行了研究。钱洁等为增强进化算法的局部优化能力，结合量子理论，提出一种具有逆学习机制的量子自适应禁忌搜索算法。通过采用一种量子自适应邻域映射机制，较好的解决了集中性和多样性搜索的矛盾。通过增加一种能使个体尽快摆脱劣势区域的逆学习量子更新模式，有效避免了算法易陷入局部最优的缺陷。陈铁梅等通过引入多元化扰动策略和块变异算子对禁忌搜索算法进行了改进，并对贴片机贴装优化问题进行了研究。高勇等为提高图像识别率并降低时间消耗，提出了一种基于不变矩的禁忌搜索算法，即在对图像数据进行检测的过程中以不变矩作为主要特征参数，舍弃其他次要特征，从而加快图像数据检测的速度。潘茂林等考虑到基于排队论的数学分析方法难以求解复杂业务流程的资源优化配置问题的现状，提出了基于不同启发式规则的禁忌搜索算法。 总结 AS/RS 优化方法的研究已经取得较大的进展，但随着现代生产技术的发展，问题的复杂程度和求解精度要求不断提高，新的问题形态不断出现，需要有针对性地对系统优化建立新的模型来求解；同时现有的智能优化方法中自身在的一些缺点，比如易陷于局部最优、收敛速度慢、参数敏感等，己经不能满足现实的需求，需要不断探索新的高效实用的智能优化算法。 Thank You！ 谢谢观赏