什麼是智慧型優化演算法 10

群體智慧型優化演算法是一種基於概率的隨機搜尋進化演算法，每種演算法的結構、研究內容、計算方法都有很大的相似性。 因此，群體智慧型優化演算法可以建立基礎理論框架。

模式： 步驟一：設定引數並初始化種群;

第 2 步：生成一組解決方案並計算其適配值;

step3：個體適應性最強，通過比較得到群體的最優適應值;

第 4 步：確定是否滿足終止條件？ 如果滿意，則結束迭代; 否則，請轉到步驟2;

群體智慧型演算法最大的區別在於演算法更新規則，它是基於模擬社會有機體（如PSO、AFSA和SFLA）的運動步長的更新，也有根據一定的演算法機制（如ACO）設定的更新規則。

智慧型優化演算法是一種啟發式優化演算法，包括遺傳演算法、蟻群演算法、禁忌搜尋演算法、模擬退火演算法、粒子群演算法等。 智慧型優化演算法一般針對具體問題而設計，理論要求較弱，技術性較強。 通常，我們將智慧型演算法與優化演算法進行比較，後者速度快且適用性強。

它是一種通過使用程式模擬自然界中已知的進化方法進行優化的方法，例如模擬生物進化的遺傳演算法，模擬自然選擇進行篩選，並逐漸恢復到最大值。

優化演算法是指對演算法效能的優化，如：時間複雜度、空間複雜度、正確性、魯棒性

大資料時代。

當它到來時，演算法必須以乙個數量級的速度處理資料。

它也越來越大，處理問題的場景也在不斷變化。 為了增強演算法處理問題的能力，優化持帆演算法至關重要。 演算法優化一般是對演算法結構和收斂性的優化。

同乙個問題，不同的演算法可以解決，乙個演算法的質量會影響演算法的效率，甚至會影響細分市場的麻煩製造者。 演算法分析的目的是選擇合適的演算法並加以改進。 演算法的評估主要從時間複雜度和空間複雜度考慮。

遺傳演算法

遺傳演算法也受到自然科學的啟發。 這種型別的演算法首先生成一組隨機解決方案，稱為種群。 在優化過程的每個步驟中，該演算法都會計算整個總體的成本函式，以獲得解決方案的排名，然後建立乙個新的總體---稱為下一代。

首先，我們將當前人口頂部的解決方案新增到新人口中，這稱為任人唯賢。 新種群的其餘部分由通過修改最優解形成的全新解組成。

有兩種常用的方法可以修改解決方案。 其中之一稱為突變，它是對現有解決方案的微小、簡單、隨機的更改; 修改解決方案的另一種方法稱為交叉或配對，即採用最佳解決方案型別的兩個解決方案並以某種方式組合它們。 之後，重複此過程，直到達到指定的迭代次數，或者當解決方案在幾代後沒有改進時。