智能优化算法(9):其他类型的优化算法

智能优化算法(9):其他类型的优化算法

3.3 其他类型的优化算法

3.3.1 和声搜索算法

和声搜索(Harmony search, HS)算法从和声记忆库按照考虑概率选择一个音调,再按照音调调整概率确定是否对选择的音调进行调整,若需调整利用步长微调,在现有和声记忆库外产生一个音调,称为随机化。用最好的新和声替换最差的和声,不断重复。

算法流程图:
HS

应用案例:
管道优化设计、土坡稳定性分析、电力系统经济导读和模糊控制器设计

3.3.2 大洪水算法

大洪水算法(Great Deluge Algorithm, GDA)类似于模拟退火算法,属于单点搜索,区别在于新解的接受方式,模拟退火通过Metropolis准则判断是否接受新解,而GDA通过新解函数值和水平面值的比较进行判断。

算法流程图:
GDA

应用案例:
电力调度问题、复杂系统可靠度问题、排课表问题和二次分配问题(集成电路布线、打字机键盘设计、作业调度、物流运输)

3.3.3 正弦余弦算法

正弦余弦算法(Sine Cosine Algorithm, SCA)2016年才提出,是一种基于数学规律的元启发方法,基于正弦函数和余弦函数值的变化实现优化搜索,不同于现有任何一种优化算法。

应用案例:电力系统安全性问题、经济负荷分配问题、结构损伤测试问题和太阳能光伏电池充电问题

3.3.4 竞争决策算法

竞争决策算法(Competitive Decision Algorithm, CDA)是中国学者2006年在分析大自然生物界特别是人类各种竞争机制和决策原理基础上,利用竞争造就优化和决策左右结果的特性得出的一种寻优算法,主要用于求解NP-hard问题。

应用案例:设施选址、最小比率生成树、多目标最小生成树、最小顶点覆盖、TSP、瓶颈TSP、车辆路径和背包问题等

3.3.3 文化算法

文化算法(Cultureal Algorithm, CA)模拟人类社会的文化进化过程,在现有智能优化算法基础上,提取隐含在进化过程中的各种信息,以知识的形式加以存储,指导算法的优化过程。

应用案例:数据挖掘、欺骗检测、服务器集群自适应负载均衡、电路板布局设计

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×