智能计算与优化方法——学习笔记摘要
参考书籍：王永骥老师的课件和汪定伟《智能优化方法》2007年
一、传统优化方法的特点与缺陷：
1. 一个初始点（运算只对一个点进行）
2. 向改进方向移动（容易陷入且不能跳出局部最优解）
3. 只有在凸集凸函数的情况下才能找到全局最优解
4. 模型必须是连续可微，甚至二阶可微
二、实际情况对新优化方法的要求
1. 计算效率高
2. 不一定要找最优解
3. 求解方法能模糊
4. 模型更宽松
对比（一）和（二），就能理解现代优化方法的作用了：
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，从而获得在整体上较好的解决方案。（也可以理解成启发式计算）
本笔记将记录以下优化算法：
1. 基因算法（GA）
2. 粒子群算法（PSO）
3. 蚁群算法 （ACO）
4. 模拟退火算法（SA）
5. 差分算法（DE）
版权声明：本文为hudingyin原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。