引力场优化算法GFA20151127hxm.pptxVIP

引力场算法Gravitation Field Algorithm报告人：胡雪梅指导教师：王岩日期:2015/11/25纲要背景算法实验纲要背景算法实验背景郑明. 引力场算法及其在生物信息学中的应用[D]. 吉林大学, 2013.参考链接：/Article/CDMD-10183-1014130218.htm/Article/CDMD-10183-1014130218.htm背景 优化算法是当今的重要研究课题，能够从海量数据中获得所需最优解，也是极具挑战的工作。 优化算法定义：给定某一待解问题，求该问题的最优解，此问题一般以N 元变量方程形式给出。若N 远大于1，则该方程在N 维空间中解的个数并不唯一，甚至是无穷个解。为获得所需方程评价标准最大值或最小值所使用的计算机方法即为优化算法。 例如：解析法、解析法、直接法、数值计算法、各种启发式搜索算法等等。背景 大规模数据优化问题启发式搜索算法效果最佳，也是研究热点与难点。 启发式搜索算法：模拟退火算法、遗传算法、粒子群算法存在的问题： 1）容易陷入局部最优 2）运算时间过长引力场优化算法GFA亟需引进一种新的算法来弥补这些缺陷。纲要背景算法实验算法算法描述 引力场优化算法的思想来源于被大多数天文学家所接受的行星形成理论：太阳系星云盘模型SNDM。SNDM 模型：数十亿年前不存在太阳系，仅有灰尘和星云飘移在宇宙之中。然后灰尘在自身引力作用