现代优化算法.pptxVIP

现代优化算法潘克家 kejiapan@2011-8-8 目录现在优化算法概论模拟退火算法(SA)遗传算法(GA)Part 1概论 主要是说明现代优化算法的重要性。现代优化算法 现代优化算法 遗传算法 模拟退火算法 禁忌搜索算法 人工神经网络 蚁群算法 粒子群算法 差分进化算法特点：基于客观世界中的一些自然现象；建立在计算机迭代计算的基础上；具有普适性，可解决实际应用问题。数学建模竞赛中的算法(1)93A 非线性交调的频率设计: 拟合、规划93B 足球队排名次: 矩阵论、图论、层次分析法、整数规划94A 逢山开路: 图论、插值、动态规划94B 锁具装箱问题: 图论、组合数学95A 飞行管理问题 : 非线性规划、线性规划95B 天车与冶炼炉的作业调度: 非线性规划、动态规划、层次分析法、PETRI方法、图论方法、排队论方法96A 最优捕鱼策略：微分方程、积分、非线性规划数学建模竞赛中的算法(2)96B 节水洗衣机：非线性规划97A 零件参数设计：微积分、非线性规划、随机模拟97B 截断切割：组合优化、几何变换、枚举、蒙特卡罗、递归、最短路98A 投资收益与风险：线性规划、非线性规划98B 灾情巡视：最小生成树、Hamilton圈、旅行商问题99A 自动化车床：积分、概率分布、随机模拟、分布拟合度检验数学建模竞赛中的算法(3)99B 钻井布局：几何变换、枚举、最大完全子图、混合整数规划00A DNA分类：神经网络、最小二乘拟合、统计分类00B 管道订购：最短路、二次规划01A 血管的三维重建：数据挖掘、曲面重建与拟合01B 公交车调度：非线性规划02A 车灯光源优化设计：最优化02B 彩票中的数学：概率与优化数学建模竞赛常用算法(1)1. 蒙特卡罗方法(Monte-Carlo方法, MC) 该算法又称计算机随机性模拟方法，也称统计试验方法。MC方法是一种基于“随机数”的计算方法，能够比较逼真地描述事物的特点及物理实验过程，解决一些数值方法难以解决的问题。 MC方法的雏型可以追溯到十九世纪后期的蒲丰随机投针试验，即著名的蒲丰问题。 MC方法通过计算机仿真(模拟)解决问题，同时也可以通过模拟来检验自己模型的正确性，是比赛中经常使用的方法。数学建模竞赛常用算法97年的A题 每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。02年的B题 关于彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。数学建模竞赛常用算法(2)2. 数据拟合、参数估计、插值等数据处理算法 比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用MATLAB 作为工具。与图形处理有关的问题很多与拟合有关系。98 年美国赛A 题 生物组织切片的三维插值处理94 年A 题逢山开路 山体海拔高度的插值计算 此类问题在MATLAB中有很多函数可以调用，只有熟悉MATLAB，这些方法才能用好。数学建模竞赛常用算法(3)3. 规划类问题算法 此类问题主要有线性规划、整数规划、多元规划、二次规划等。竞赛中很多问题都和数学规划有关，可以说不少的模型都可以归结为一组不等式作为约束条件、几个函数表达式作为目标函数的问题，遇到这类问题，求解就是关键了。98年B 题用很多不等式完全可以把问题刻画清楚 因此列举出规划后用Lindo、Lingo 等软件来进行解决比较方便，所以还需要熟悉这两个软件。数学建模竞赛常用算法(4)4. 图论问题 这类问题算法有很多，包括：Dijkstra、Floyd、Prim、Bellman-Ford，最大流，二分匹配等问题。98 年B 题、00年B 题、95 年锁具装箱等问题体现了图论问题的重要性。数学建模竞赛常用算法(5)5. 计算机算法设计中的问题 计算机算法设计包括很多内容：动态规划、回溯搜索、分治算法、分枝定界等计算机算法.92 年B 题用分枝定界法97 年B 题是典型的动态规划问题98 年B 题体现了分治算法 这方面问题和ACM 程序设计竞赛中的问题类似，可看一下与计算机算法有关的书。 最优化理论的三大非经典算法:模拟退火法(SA)、神经网络(NN)、遗传算法(GA) 近几年的赛题越来越复杂，很多问题没有什么很好的模型可以借鉴，于是这三类算法很多时候可以派上用场。97年A 题用模拟退火算法00年B 题用神经网络分类算法01年B 题这种难题也可以使用神经网络美国