-
當(dāng)前位置:首頁 > 創(chuàng)意學(xué)院 > 技術(shù) > 專題列表 > 正文
智能優(yōu)化算法的主要優(yōu)點(diǎn)(智能優(yōu)化算法的優(yōu)缺點(diǎn))
大家好!今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于智能優(yōu)化算法的主要優(yōu)點(diǎn)的問題,以下是小編對此問題的歸納整理,讓我們一起來看看吧。
開始之前先推薦一個(gè)非常厲害的Ai人工智能工具,一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等
只需要輸入關(guān)鍵詞,就能返回你想要的內(nèi)容,越精準(zhǔn),寫出的就越詳細(xì),有微信小程序端、在線網(wǎng)頁版、PC客戶端
官網(wǎng):https://ai.de1919.com。
創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè),服務(wù)客戶遍布全球各地,如需了解SEO相關(guān)業(yè)務(wù)請撥打電話175-8598-2043,或添加微信:1454722008
本文目錄:
一、智能優(yōu)化算法初始值產(chǎn)生什么
偽隨機(jī)數(shù)。智能優(yōu)化算法是一種具有全局優(yōu)化性能強(qiáng)、通用性強(qiáng)、且適用于并行處理的算法,智能優(yōu)化算法初始值產(chǎn)生偽隨機(jī)數(shù)。初始值指的是最原始的數(shù)值,也就是剛開始時(shí)的數(shù)值。
二、智能優(yōu)化算法:水循環(huán)算法
@[toc]
摘要:水 循 環(huán) 算 法 (water cycle alogrithm,WCA)是由Hadi Eskandar 等人受大自然水循環(huán)過程中溪流、江河、湖泊流向海洋的過程啟發(fā)而提出的一種全局優(yōu)化算法.目前WCA已在工程優(yōu)化等領(lǐng)域得到應(yīng)用.
WCA 是一種生物啟發(fā)的優(yōu)化算法,它模擬自然界中的水循環(huán)過程,在種群中設(shè)定 3 類個(gè)體:海洋 Sea、河流River 及溪流 Stream. 海洋為當(dāng)前種群的最優(yōu)個(gè)體,河流為一定數(shù)量的僅次于海洋的個(gè)體,剩余較差的個(gè)體即為溪流.
算法開始之前需要生成大小為 的初始總?cè)后w,其中 是種群的總數(shù)量, 是設(shè)計(jì)變量的個(gè)數(shù),因此這個(gè)隨機(jī)矩陣為 :
其中, 是海洋 (數(shù)量為 1) 及河流 的數(shù)量之
和,這是在初始化的時(shí)候自行定義的,其余流入海洋和河流的溪流 的數(shù)量為 ,其表達(dá)式為:
緊接著,根據(jù)式(3)計(jì)算當(dāng)前種群中流向海洋的溪流數(shù)量及流向?qū)?yīng)河流的溪流數(shù)量:
完成上述過程后,即可進(jìn)行匯流過程,匯流過程如圖 1所示. 匯流過程中,溪流、河流和海洋的位置根據(jù)式(4)隨機(jī)更新:
其中, 是迭代數(shù); , 的最優(yōu)值可以選為 2; 是 0 和 1 之間均勻分布的隨機(jī)數(shù); 及 分別表示第 次及第 次迭代時(shí)溪流的位置; 及 分別表示第 次及第 次迭代時(shí)河流的位置; 及 分別表示第 次及第 次迭代時(shí)海洋的位置. 式(4)中分別為流向河流的溪流、流向海洋的溪流及流向海洋的河流的位置更新公式. 溪流在每次更新過后,計(jì)算出相應(yīng)的適應(yīng)度值,若該值優(yōu)于與其相連的河流的適應(yīng)度值,則將該溪流的位置與該河流的位置進(jìn)行交換. 河流與海洋、溪流與海洋之間也有類似的交換. 在沒有滿足設(shè)定要求之前,海洋、河流和溪流的位置將根據(jù)相應(yīng)的公式不斷地更新.
所有的尋優(yōu)算法都要考慮收斂過快而陷入局部最優(yōu)的問題,水循環(huán)算法引入蒸發(fā)過程來避免該問題的發(fā)生. 在水循環(huán)過程中,那些流速過慢還有無法達(dá)到大海的溪流和河流最終都會蒸發(fā),蒸發(fā)過程的出現(xiàn)會引來新的降水. 因此,必須檢查河流及溪流是否足夠靠近海洋,若距離較遠(yuǎn)則進(jìn)行蒸發(fā)過程,蒸發(fā)過程的判斷條件為
其中, 是接近零的小數(shù). 蒸發(fā)過程結(jié)束后,應(yīng)用降雨過程并在不同的位置形成新的溪流或河流(類似遺傳算法的突變過程). 較大的可 以防止額外搜索,但是會降低在海洋附近區(qū)域的搜索強(qiáng)度. 因此, 的值應(yīng)該自適應(yīng)地降低:
其中, 為最大迭代數(shù).
循環(huán)過程中的蒸發(fā)作用對河流和海洋的影響很小,所以在進(jìn)行降雨過程之后影響的是溪流的位置. 降雨過程后溪流的新位置為 :
其中,L B (lower bound)和 U B (upper bound)分別表示設(shè)計(jì)變量的下界和上界.
算法步驟:
(1) 初始化算法參數(shù).
(2) 隨機(jī)生成初始種群,形成初始溪流(雨滴)、河流和海洋.
(3)計(jì)算每個(gè)雨滴的適應(yīng)度函數(shù)值.
(4) 利用式(3)確定雨滴流向河流和海洋的強(qiáng)度;利用式(4)更新溪流位置;更新河流位置.
(5) 若溪流給出的適應(yīng)度值比其相連的河流好,則河流和溪流的位置對換;若河流給出的適應(yīng)度值比其相連的海洋好,則海洋和河流的位置對換。
(6) 判斷 是 否滿 足 蒸 發(fā) 條件.若 滿 足 蒸 發(fā) 條件,利用式(7)進(jìn)入降水過程,形成新的降水。
(7) 利用式(6)減小 值;判斷算法是否滿足終止條件,若滿足,則轉(zhuǎn)到 (8);否則,重復(fù)執(zhí)行(3) - (6)
(8) 輸出最優(yōu)解。
[1] Eskandar H, Sadollah A, Bahreininejad A, et al. Water cycle algorithm - A novel metaheuristic optimization method for solving constrained engineering optimization problems[J]. Computers & Structures, 2012, 110: 151-166.
[2] 金愛娟,蘇俊豪,李少龍.基于水循環(huán)算法的開關(guān)磁阻電機(jī)性能優(yōu)化[J/OL].信息與控制:1-12[2020-09-12]. https://doi.org/10.13976/j.cnki.xk.2020.2048 .
https://mianbaoduo.com/o/bread/aJmTkps=
三、智能優(yōu)化算法分析sa與ma和ta的異同點(diǎn)
在工程實(shí)踐中,經(jīng)常會接觸到一些比較“新穎”的算法或理論,比如模擬退火,遺傳算法,禁忌搜索,神經(jīng)網(wǎng)絡(luò)等。這些算法或理論都有一些共同的特性(比如模擬自然過程),通稱為“智能算法”。它們在解決一些復(fù)雜的工程問題時(shí)大有用武之地。
四、算法優(yōu)化有哪些主要方法和作用
優(yōu)化算法有很多,關(guān)鍵是針對不同的優(yōu)化問題,例如可行解變量的取值(連續(xù)還是離散)、目標(biāo)函數(shù)和約束條件的復(fù)雜程度(線性還是非線性)等,應(yīng)用不同的算法。
對于連續(xù)和線性等較簡單的問題,可以選擇一些經(jīng)典算法,如梯度、Hessian
矩陣、拉格朗日乘數(shù)、單純形法、梯度下降法等。
而對于更復(fù)雜的問題,則可考慮用一些智能優(yōu)化算法,如遺傳算法和蟻群算法,此外還包括模擬退火、禁忌搜索、粒子群算法等。
以上就是關(guān)于智能優(yōu)化算法的主要優(yōu)點(diǎn)相關(guān)問題的回答。希望能幫到你,如有更多相關(guān)問題,您也可以聯(lián)系我們的客服進(jìn)行咨詢,客服也會為您講解更多精彩的知識和內(nèi)容。
推薦閱讀:
杭州灣智能制造產(chǎn)業(yè)基地(杭州灣智能制造產(chǎn)業(yè)基地有哪些)
人工智能培訓(xùn)費(fèi)用多少(人工智能培訓(xùn)費(fèi)用多少錢一個(gè)月)
讓人瘋狂點(diǎn)贊的霸氣說說(霸氣超拽高冷吸引人句子)