智能優(yōu)化混合算法研究進展

張偉艷

摘 要 高效的優(yōu)化技術(shù)在生產(chǎn)生活中具有非常重要的理論和現(xiàn)實意義。在求解大規(guī)模、多目標、復(fù)雜問題時，單一的智能優(yōu)化算法會出現(xiàn)精度不高和極易陷入局部最優(yōu)解的缺陷。本文針對上述缺陷，研究當前國內(nèi)外出現(xiàn)的智能優(yōu)化混合算法，根據(jù)某一種智能算法為基礎(chǔ)，探討引入其他智能算法形成混合算法的現(xiàn)狀，以求指導(dǎo)不同優(yōu)化領(lǐng)域中新的智能優(yōu)化混合算法的構(gòu)建。

關(guān)鍵詞 優(yōu)化；智能算法；混合算法

中圖分類號： TP301 文獻標識碼：A 文章編號：1672-3791（2016）05（a）-0000-00

引言

優(yōu)化問題一直以來都是國內(nèi)外學術(shù)研究的重點熱點之一，在生產(chǎn)生活中的諸多領(lǐng)域都得到了廣泛的應(yīng)用，如：生產(chǎn)調(diào)度、系統(tǒng)控制、經(jīng)濟預(yù)測等。所謂最優(yōu)化問題，就是在滿足一定的約束條件下，尋找一組參數(shù)值，使得系統(tǒng)達到最大或最小值，滿足最優(yōu)性度量。

不同的優(yōu)化問題要采用不同的優(yōu)化算法，最理想的情況是以最快的速度得到全局的最優(yōu)解。傳統(tǒng)的優(yōu)化算法在面對大型問題時，需要遍歷整個搜索空間，一旦形成了搜索的組合爆炸，就無法在多項式時間內(nèi)完成。那么，在復(fù)雜、廣闊的搜索空間來找最優(yōu)解，就成為科學工作者研究的重要課題。

智能算法在可接受的時間內(nèi)對復(fù)雜大規(guī)模優(yōu)化問題進行求解取得了驚人的優(yōu)秀成績。代表的智能算法有：模擬退火算法、演化算法、遺傳算法、粒子群算法等。智能算法一般具有自組織性、自適應(yīng)性和并行性，直接把目標函數(shù)值作為搜索信息，具有正反饋機制，可以有效地完成優(yōu)化任務(wù)。……