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)）

發(fā)布時(shí)間：2023-04-08 10:30:34 稿源：創(chuàng)意嶺閱讀： 54

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:

1、智能優(yōu)化算法初始值產(chǎn)生什么
2、智能優(yōu)化算法：水循環(huán)算法
3、智能優(yōu)化算法分析sa與ma和ta的異同點(diǎn)
4、算法優(yōu)化有哪些主要方法和作用

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)）

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。