智能优化方法及其应用讲稿课件

信解蔸学戊智能优化方法及其应用赵文洲内容令启发式优化方法研究背景心生物启发式优化方法

群体智能优化方法(SI)☆SⅠ算法在的应用令实例研究①学茂李艳灵内容1启发式计算方法研究背景2生物启发式计算方法3群体智能优化方法(S)4|S算法的应用实例研究启发式计算方法背景实际生活中的优化问题优化是一个重要的数学分支,是一门应用性强、内容丰富的学科例如:1、工程设计中:怎样选择设计参欻,使得设计方案既满足设计要求又能降低成本2、资源分配中:怎样分配有限的资源,使得分配方案既能满足各方面的基本要求,又能获得好的经济效益;3、生产计划安排中:选择怎样的计划方案才能提高产值和利润。在人类活动的各个领域中,诸如此类,不胜枚举。这些问题在某种程度上都可以称为最优化问题。最优化的目的是对于给出的实际问题,从可行的解决方案中找出最好或较好的解决方案来,即要在尽可能节省人力、物力和时间的前提下,争取获得在可能范围内的最佳效果。①学茂李艳灵启发式计算方法背景最优化问题可以追溯到十分古老的极值问题,早在17世纪,英国科学家Newtωn发明微积分的时代,就已提出极值问题,后来又出现了Lagrange乘数法1847年法国数学家Cauchy研究了函数值沿什么方向下降最快的问题提出了最速下降法939年前苏联数学家提出了解决下料问题和运输问题这两种线性规划问题的求解方法。人们关于最优化问题的研究工作,随着历史的发展不断深入。但是,任何科学的进步都会受到历史条件的限制。直至20世纪30年代,最优化这个古老的课题并未形成独立的系统学科。20世纪40年代以来,随着生产活动和科学研究地不断发展,特别是计算机技术的高速发展和广泛使用,使最优化问题的研究不仅成为一种迫切需要,而且有了求解的有力工具。因此各种优化理论研究发展迅速,新方法不断出现,实际应用日益广泛。而且在计算机技术的推动下,些超大规模的优化问题也得以实现,最终使得优化理论与方法在经济规划、工程设计、生产管理、交通运输等方面得到了广泛应用,成为一门十分活跃的学科。①学茂李艳灵启发式计算方法背景◆最优化问题模型minf(x)x∈ScRh(x)<0或>0心全局最优与局部最优①学茂李艳灵经典的计算方法心17世纪Newtown微积分

1847年Cauchy最速下降法◆1939年Kantorovich下料问题和运输问题问题求解心1947年Dantzig单纯形方法①学茂李艳灵启发式计算方法定义1-1】启发式算法是一种基于直观或经验构造的算法,在可接受的耗费(指计算时间、占用空间等)下给出待解决优化问题每一实例的一个可行解,该可行解与最优解的偏离程度未必可事先估计。【定义1-2】启发式算法是一种技术,该技术使得能在可接受的计算费用内去寻找尽可能好的解,但不一定能保证所得解的可行性和最优性,甚至在多数情况下,无法描述所得解与最优解的近似程度经典的启发式方法基本原理:根据问题的部分已知信息来启发式地探索该问题的解决方案,在探索解决方案的过程中将发现的有关信息记录下来,不断积累和分析,并根据越来越丰富的已知信息来指导下一步的动作并修正以前的步骤,从而获得在整辞起约解花启发式计算方法分类今物理启发式模拟退火算法(模拟固体熔化状态下由逐渐冷却至最终达到结晶状态的物理过程)量子计算(模拟量子态的叠加性和相干性以及量子比特之间的纠缠性)今社会与文化启发文化算法(模拟人类社会的演化过程)人口迁