人工智能基础算法[参照].pdfVIP

一、粒子群算法 粒子群算法，也称粒子群优化算法 （Particle Swarm Optimization ），缩写为 PSO ， 是近年来发展起来的一种新的进化算法 ( （Evolu2tionary Algorithm - EA ）。PSO 算法属于进化算法的一种， 和遗传算法相似， 它也是从随机解出发， 通过迭代寻 找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单， 它没有遗传算法的交叉 (Crossover) 和变异 (Mutation) 操作，它通过追随当前搜 索到的最优值来寻找全局最优。 这种算法以其实现容易、 精度高、 收敛快等优点 引起了学术界的重视，并且在解决实际问题中展示了其优越性。 优化问题是工业设计中经常遇到的问题 ,许多问题最后都可以归结为优化问题 .为 了解决各种各样的优化问题 ,人们提出了许多优化算法 ,比较著名的有爬山法、遗 传算法等 .优化问题有两个主要问题 :一是要求寻找全局最小点 ,二是要求有较高 的收敛速度 .爬山法精度较高 ,但是易于陷入局部极小 .遗传算法属于进化算法 (EvolutionaryAlgorithms) 的一种 ,它通过模仿自然界的选择与遗传的机理来寻找 最优解 .遗传算法有三个基本算子 :选择、交叉和变异 .但是遗传算法的编程实现比 较复杂 ,首先需要对问题进行编码 ,找到最优解之后还需要对问题进行解码 ,另外 三个算子的实现也有许多参数 ,如交叉率和变异率 ,并且这些参数的选择严重影响 解的品质 ,而目前这些参数的选择大部分是依靠经验 .1995 年 Eberhart 博士和 kennedy 博 士 提 出 了 一 种 新 的 算 法 ; 粒 子 群 优 化 (ParticalSwarmOptimization-PSO) 算法 .这种算法以其实现容易、精度高、收敛 快等优点引起了学术界的重视 ,并且在解决实际问题中展示了其优越性 . 粒子群优化 (ParticalSwarmOptimization-PSO) 算法是近年来发展起来的一种新 的进化算法 (Evolu2tionaryAlgorithm-EA).PSO 算法属于进化算法的一种 ,和遗传 算法相似 ,它也是从随机解出发 ,通过迭代寻找最优解 ,它也是通过适应度来评价 解的品质 .但是它比遗传算法规则更为简单 ,它没有遗传算法的交叉 (Crossover) 和变异 (Mutation) 操作 .它通过追随当前搜索到的最优值来寻找全局最优 二、遗传算法 遗传算法是计算数学中用于解决最佳化的， 是进化算法的一种。 进化算法最初是 借鉴了进化生物学中的一些现象而发展起来的， 这些现象包括遗传、 突变、 自然 选择以及杂交等。 遗传算法通常实现方式为一种模拟。 对于一个最优化问题， 一 定数量的候选解 （称为个体）的抽象表示 （称为染色体）的种群向更好的解进化。 传统上，解用表示（即 0 和 1 的串），但也可以用其他表示方法。进化从完全 随机个体的种群开始， 之后一代一代发生。 在每一代中， 整个种群的适应度被评 价，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和 突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。 1 / 4 主要特点 遗传算法是解决搜索问题的一种通用