智能优化算法简介

大家好，又见面了，我是你们的朋友全栈君。

智能优化算法：

受人类智能、生物群体社会性或自然现象规律的启发。 主要包括: (1)遗传算法: 模仿自然界生物进化机制 (2)差分进化算法: 通过群体个体间的合作与竞争来优化搜索 (3)免疫算法: 模拟生物免疫系统学习和认知功能 (4)蚁群算法:模拟蚂蚁集体寻径行为 (5)粒子群算法:模拟鸟群和鱼群群体行为 (6)模拟退火算法:源于固体物质退火过程 (7)禁忌搜索算法:模拟人类智力记忆过程 (8)神经网络算法:模拟动物神经网络行为特征

大体可以分为以下五类:

(1)进化类算法: 遗传算法、差分进化算法、免疫算法 (2)群智能算法 蚁群算法、粒子群算法 群体智能优化算法出现后，可以说是非常的受欢迎，很多研究学者也都提出了一些自己的群体智能优化算法，但是，受到大家认可（应用较为广泛）的算法大致为： 蚁群算法————-1992年提出 粒子群优化算法—-1995年提出 菌群算法————-2002年提出 蛙跳算法————-2003年提出 人工蜂群算法——-2005年提出 花朵授粉算法——-2012年提出 除了几种常见的算法之外，还有很多很多被提出的群体智能优化算法，例如：萤火虫算法、布谷鸟算法、蝙蝠算法、狼群算法、烟花算法、合同网协议算法等等。

(3)模拟退火算法 (4)禁忌搜索算法 (5)神经网络算法

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/142427.html原文链接：https://javaforall.cn