启发式优化算法综述.pdfVIP

WORD 格式可编辑 启发式优化算法综述 一、启发式算法简介 1、定义 由于传统的优化算法如最速下降法，线性规划，动态规划，分支定界法，单纯形法，共 轭梯度法，拟牛顿法等在求解复杂的大规模优化问题中无法快速有效地寻找到一个合理可靠 的解， 使得学者们期望探索一种算法 : 它不依赖问题的数学性能， 如连续可微， 非凸等特性 ; 对初始值要求不严格、 不敏感， 并能够高效处理髙维数多模态的复杂优化问题， 在合理时间 内寻找到全局最优值或靠近全局最优的值。 于是基于实际应用的需求， 智能优化算法应运而 生。智能优化算法借助自然现象的一些特点， 抽象出数学规则来求解优化问题， 受大自然的 启发，人们从大自然的运行规律中找到了许多解决实际问题的方法。 对于那些受大自然的运 行规律或者面向具体问题的经验、规则启发出来的方法，人们常常称之为启发式算法