在本世纪六十年代中期,美国、德国等国家的一些科学家开始研究用模仿生物和人类进化的方法求解复杂的优化问题的方法,这里我们统称之为模拟进化优化方法(optimi:ation method by simulatedevolution)。但这些方法在六十年代和七十年代...在本世纪六十年代中期,美国、德国等国家的一些科学家开始研究用模仿生物和人类进化的方法求解复杂的优化问题的方法,这里我们统称之为模拟进化优化方法(optimi:ation method by simulatedevolution)。但这些方法在六十年代和七十年代并未受到普遍的重视,一是因为当时这些方法还不成熟,二是当时计算机发展水平低,容量小,计算速度慢,这些方法又需要较大的计算量,难以实际应用。但在这期间有一些科学家一直在进行不懈的努力.代表性人物之一为美国的著名科学家J.H.Holland,他和他的学生甲直在对他所提出的一种模拟进化优化方法—遗传算法(Genetic Algorithm,GA)进行理论研究并开拓其应用领域。八十年代初期,伴随着人工神经元网络理论和机器学习理论的发展以及计算机容量和计算速度的不断提高,遗传算法的研究也越来越受到重视而逐步成熟起来,并日益受到各学科研究人员的普遍重视。自八十年代中期开始,这种方法除了在人工智能领域。展开更多
粒子群优化算法(Particle Swarm Optimization,PSO)是群集智能的典型代表,其参数较少且操作简单,故一直是智能优化算法研究应用的热点。然而PSO有易早熟和搜索精度不高的缺陷,针对此弊病,在基于仿真的优化(Simulation Based Optimizatio...粒子群优化算法(Particle Swarm Optimization,PSO)是群集智能的典型代表,其参数较少且操作简单,故一直是智能优化算法研究应用的热点。然而PSO有易早熟和搜索精度不高的缺陷,针对此弊病,在基于仿真的优化(Simulation Based Optimization,SBO)思想体系下,融合人工生命、基于Agent的计算和计算智能,提出面向SBO的PSO计算模型,并将PSO的系统研究和算法改良抽象为一个大规模组合优化问题的求解。最后利用一系列benchmark函数进行了仿真优化实验,取得了较好的结果,从而论证了本思想方法的可行性与可信性。展开更多
文摘在本世纪六十年代中期,美国、德国等国家的一些科学家开始研究用模仿生物和人类进化的方法求解复杂的优化问题的方法,这里我们统称之为模拟进化优化方法(optimi:ation method by simulatedevolution)。但这些方法在六十年代和七十年代并未受到普遍的重视,一是因为当时这些方法还不成熟,二是当时计算机发展水平低,容量小,计算速度慢,这些方法又需要较大的计算量,难以实际应用。但在这期间有一些科学家一直在进行不懈的努力.代表性人物之一为美国的著名科学家J.H.Holland,他和他的学生甲直在对他所提出的一种模拟进化优化方法—遗传算法(Genetic Algorithm,GA)进行理论研究并开拓其应用领域。八十年代初期,伴随着人工神经元网络理论和机器学习理论的发展以及计算机容量和计算速度的不断提高,遗传算法的研究也越来越受到重视而逐步成熟起来,并日益受到各学科研究人员的普遍重视。自八十年代中期开始,这种方法除了在人工智能领域。
文摘粒子群优化算法(Particle Swarm Optimization,PSO)是群集智能的典型代表,其参数较少且操作简单,故一直是智能优化算法研究应用的热点。然而PSO有易早熟和搜索精度不高的缺陷,针对此弊病,在基于仿真的优化(Simulation Based Optimization,SBO)思想体系下,融合人工生命、基于Agent的计算和计算智能,提出面向SBO的PSO计算模型,并将PSO的系统研究和算法改良抽象为一个大规模组合优化问题的求解。最后利用一系列benchmark函数进行了仿真优化实验,取得了较好的结果,从而论证了本思想方法的可行性与可信性。
