非线性规划计划书智能算法.pptxVIP

非线性规划算法及其融合： 模拟退火，粒子群和遗传算法 总结人： 目录 content Page 04 07 8 10 12 什么是非线性规划？ 定义：如果目标函数或者约束条件中至少有一个是非线性函数，则最优化问题就叫做非线性规划问题 一般形式： 其中： 是定义 上的实值函数 一般来说，非线性规划要比解线性规划要困难的多。也不像线性规划有单纯形法这一通用方法，非线性规划目前还没有适用于各种问题的一般方法。 传统方法： 以最速下降法、牛顿法和共轭方向法等为代表； 效率高 可靠性强 成熟 要求导数 计算复杂 陷入局部最优 VS 智能优化方法 1975年 遗传算法 模仿生物种群优胜劣汰的选择机制 通过种群繁衍实现优化的功能 1977年 禁忌搜索算法 将记忆功能引入最优化搜索 通过设置禁忌区阻止重复搜索，提高效率 1983 模拟退火算法 模拟热力学退火过程中金属原子状态转移概率引导搜索 有很好的全局搜索能力 1992年 蚁群算法 蚂蚁之间信息素相互传递实现路径优化 通过记忆信息素的变化来节约组合优化问题 1995年 粒子群优化算法 模仿鸟类群体觅食中，个体和群体的协调一致 通过群体最优化、个体最优和惯性协调实现 1999 捕食搜索算法 模拟猛禽捕食大范围搜素和局部蹲守的特点 设置全局和局部搜素的阈值切换协调两种模式 遗传算法 遗传 交叉和变异 选择 1 2 3 标准遗传算法步骤： （1）随机产生一个初始个体构成种群，并评价每个个体的适应度（fitness value） （2）判断算法的收敛准则是否满足，若满足停止，输出结果； （3）根据适应度按照一定概率执行复制操作； （4）按照交叉概率 执行交叉操作； （5）按照变异概率 执行变异操作； （6）计算新种群适应度； （7）返回步骤2； 粒子群算法 鸟群捕食 初始位置 距离食物近鸟脱离 其他鸟概率跟随 找到食物 模拟退火算法 温度降低 概率接受 跳跃新点 结果分析 模拟退火 粒子群 结果分析 模拟退火和粒子群融合 结果分析 融合算法的问题： 1. 模拟退火将结果等级降至-3级别，粒子群的后期收敛速度限制了算法速度，拟通过改进算法验证效果； 2. 模拟退火的状态转移函数有不匹配现象，导致算法收敛速度较慢，合适转移函数； 3. 高维计算时融合算法验证，遗传算法正调程序，可应用与粒子群融合增强其寻优能力； 不足 粒子群后期收敛慢问题 各算法参数不匹配，融合算法的完善 不同融合算法程序还未调通 1 2 3 谢谢！ 完