智能计算/计算智能/智能算法

时间:2022-01-17 09:07:31

智能计算方法跟计算方法(或数值分析)的目的是一样的,计算令人满意的接近真实解的近似解!拿这个近似解代替真实解来使用。
通常情况,很多问题是没有解析解的,这时可以用计算方法来求数值解,当遇到问题实在复杂,用计算方法计算量太大或很难用计算方法的算法实现时,可以考虑智能计算方法!

本质上,智能计算方法是仿生的,随机化的,经验性的,大自然就是随机性的,具有经验性的,抽取了大自然的这一特性,自动调节形成经验

主要包括:

遗传算法 GA(Genetic Algorithm)--- 自然界优胜劣汰

蚁群算法 ACO(Ant Colony(群体) Optimization) --- 蚂蚁觅食

粒子群优化算法/鸟群算法 PSO(Particle Swarm Optimization) --- 鸟群捕食

免疫算法 AIS (Artificial Immune System)---人体免疫系统

模糊逻辑

模拟退火算法 SAA (Simulate Anneal Arithmetic)--- 退火

智能计算/计算智能/智能算法

分布估计算法 EDA (Estimation Distributed Algorithm)

分布估计算法 (EDA) 是一种新兴的基于统计学原理的随机优化算法. EDA与遗传算法(GA)有着明显的区别. GA 采用交叉和变异等操作产生新个体, EDA 则通过对搜索空间采样和统计学习来预测搜索的最佳区域, 进而产生优秀的新个体. 相比于 GA 基于基因的微观层面的进化方式, EDA采用基于搜索空间的宏观层面的进化方法, 具备更强的全局搜索能力和更快的收敛速度

是一种现代启发式算法,由美国科罗拉多大学教授Fred Glover在1986年左右提出的,是一个用来跳脱局部最优解的搜索方法。其先创立一个初始化的方案;基于此,算法“移动”到一相邻的方案。经过许多连续的移动过程,提高解的质量。

神经网络 Neural Networks

文化算法 CA (Cultural Algorithm) ---文化传播

文化算法模拟了人类社会文化的进化过程,在进化的群体空间上建立动态的信仰空间,用来指导数据的搜索。介绍了文化算法的原理和流程,根据问题的特点对文化算法进行了分类,并给出了不同类型问题的求解步骤。根据对文化算法进行的仿真实验结果,得出该算法不仅收敛速度快,而且所得结果更优,表明文化算法是一种全局优化搜索的进化算法,具有广泛的应用前景。

Memetic算法/文化基因算法

文化基因算法(Memetic Algorithm, MA)是Pablo Moscato [1] 提出的建立在模拟文化进化基础上的优化算法,它实质上是一种基于种群的全局搜索和基于个体的局部启发式搜索的结合体。

人工蜂群算法 BA (Bees Algorithm)