智能计算综述

一．遗传算法

1.遗传算法的一般步骤

（1）对问题的解进行编码（二进制编码、十进制编码、实数编码、Gary 编码）

（2）形成编码后的初始种群

方法：①完全随机产生

②根据已知的先验知识进行随机选取

（3）适应度函数的设计与计算

目标函数：)(x f

适应度函数：)(min )(x f x F -= )(max )(x f x F =

（4）遗传操作

①选择算子

作用：判断个体是否优良

判断标准：个体适应度函数值的大小

方法：比例选择方法、精英选择方法、排序选择方法、联赛选择方法、期望值方法等

②交叉算子

两个相互配对的个体按照某种方法相互交换各自的部分基因形成新个体 方法：单点交叉、两点交叉、多点交叉、一直交叉

③变异算子

类型：基本变异算子、逆转变异算子、自适应变异算子

（5）算法终止

①一般设定最大迭代次数作为算法的终止条件，简单但不准确

②根据种群的收敛程度来判定算法是否停止

εε<-<-∑F F F F i max 或

2.算法特点

（1）与传统相比

①将问题参数编码成染色体后进行进化操作使算法不受函数约束条件的限制； ②采用群体搜索方法，具有隐含并行搜索特性；

③随机操作；

④具有全局搜索能力，多用于复杂问题和非线性问题

（2）优越性

①算法进行全空间并行搜索，很大概率找到全局最优解

②算法具有固定的并行性

（3）多用于维数较高、环境复杂、问题结构不十分清楚的场合

3.遗传算法的应用

（1）加工中心组成问题

（2）0-1背包问题

二．蚁群优化算法

<一>算法基础

1.一群蚂蚁随机从出发点出发将在蚁巢和食物之间建立通路，当在觅食路上出现障碍时，蚁群会等概率地选择沿着障碍物向左或向右移动；

2.蚂蚁会在路径上留下信息素以指导后面的蚁群移动；

3.信息素随时间逐渐蒸发；

4.由蚁巢出发的蚂蚁，其选择路径的概率与各路径上的信息素成正比，最终所有蚂蚁会选择同一条较短的路径；

<二>算法模型

1.所需的基本变量和常数

令：m 为蚁群中蚂蚁的总数

n 为旅行商问题中的城市个数

ij d 为i 到j 之间的距离，其中n j i ≤≤,1

)(t ij Γ为第t 次迭代（或t 时刻）弧()j i ,上的信息素量

初始时刻各弧上的信息素量相等，即c ij =Γ)0(（c 为常数）

2.状态转移概率

???????∈ΓΓ=∑∈否则若0)()()()()()()(i J j t t t t t p k i J s is is ij ij k ij k βαβαηη （2.1）