数学建模国赛 常考赛题类型（模拟退火算法、粒子群算法、遗传算法）
不知小伙伴们有没有发现，在1992~2020年历年国赛赛题中，优化类赛题所占的比例非常大，如在近五年的题目中：
- 2016A：系泊系统的设计；
- 2017B：“拍照赚钱”的任务定价
- 2018B：智能GRV的动态调度策略；
- 2019B：“同心协力”策略研究以及
- 2019A：高压油管的压力控制
- 2020B：穿越沙漠游戏
上述赛题均可归类在优化类范畴，即便在往前推十年也会发现基本每年都有优化类赛题的影子，据此可以推断优化类赛题是每年国赛必出的点之一。
在解决优化类问题中，有三种智能优化模型是较为常见的：遗传算法、粒子群算法和模拟退火算法，这三种算法在近五年的优秀论文中也均有涉及，目前也逐渐成为解决优化类赛题常见的方法之一。
如上，作者在第三问利用模拟退火算法计算出在使得超过217ºC到峰值温度所覆盖的面积最小时最优的炉温曲线，以及各温区的设定温度和传送带的过炉速度等。
加下来就让小编带大家了解一下这三个智能优化算法，注意，每个算法末尾均有福利。
目录
模拟退火算法 原理与编程
1、算法基本原理
2、算法基本思想
3、算法的步骤
粒子群算法 原理与编程
1、算法基本原理
2、算法基本思想
3、算法的步骤
遗传算法 原理与编程
1、算法基本原理
2、算法基本思想
3、算法的步骤
模拟退火算法 原理与编程
1、算法基本原理
模拟退火算法来源于固体退火原理，是一种基于概率的算法，将固体加温至充分高，再让其慢慢冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。
2、算法基本思想
(1) 初始化：初始温度T(充分大)，初始解状态S(是算法迭代的起点)，每个T值的迭代次数L。
(2) 对k=1, …, L做第(3)至第6步：
(3) 产生新解S′
(4) 计算增量ΔT=C(S′)-C(S)，其中C(S)为评价函数
(5) 若ΔT<0则接受S′作为新的当前解，否则以概率exp(-ΔT/T)接受S′作为新的当前解.
(6) 如果满足终止条件则输出当前解作为最优解，结束程序。
终止条件通常取为连续若干个新解都没有被接受时终止算法。
(7) T逐渐减少，且T->0，然后转第2步。
3、算法的步骤
为了方便大家更好的学习模拟退火算法，工作室为大家整理了模拟退火算法的学习资料，工具箱、代码和优秀论文等，大家可以免费获取。
后台回复[智能算法]即可免费领取
粒子群算法 原理与编程
1、算法基本原理
粒子群优化（PSO）算法是Kennedy和Eberhart于1995年提出的一种新的群智能优化算法。大概的意思就是一片森林里有一群鸟在找一块食物，它们不知道食物具体在哪，但是可以通过感官（例如嗅觉）去察觉到自己当前位置距离食物的远近。鸟可以记住自己走过的位置并且知道自己做过的最优位置。这一群鸟的运动都是随机的，这类似于一种穷举法。
2、算法基本思想
粒子群算法一般用来找一个函数的最优值。这个函数一般就是适应度函数。函数中未知量的个数就是这个查找的空间维度。
假设有N个粒子组成一个种群S。
Xi是代表粒子i所在的位置，i=1，2，…，N
Vi代表粒子i在位置Xi处的速度，i=1，2，…，N
pi是记录粒子i到走过的最优位置，i=1,2，…，N
pg是所有粒子走过的最优的位置，i=1,2，…，N
w 为惯性权重
c1 、 c2 为学习因子
r1,r2为[0,1]之间均匀分布的参数
接下来种群中每个粒子按照公式更新速度和位置：
PS：这里的r1、r2是每一步迭代都需要更新的随机数
c1、c2和w =则是一开始给定的一些参数，至于参数的给定取决于你自己每次测试这个程序所得到的经验–即哪些参数你跑出的结果比较好就选择哪些参数。
3、算法的步骤
模拟退火算法的学习资料，工具箱、代码和优秀论文等，大家可以免费获取。
遗传算法 原理与编程
1、算法基本原理
遗传算法的首次提出是在1967年，Holland教授的学生Bagley在其博士论文中提到"GeneticAlgorithm" ，即GA；1975年Holland教授出版了第一本系统叙述其内容的专著，奠定理论基础。今天，遗传算法已经成为十分流行的算法，在组合优化，自动控制，图像处理，机器学习等领域都有很广泛的运用。
2、算法基本思想
① 种群初始化：在可行域内随机产生若干个解，称其为初始种群。
② 对种群内的每个解进行适应度评估，评价每个个体对环境的适应程度强弱。
③ 适者生存，不适者淘汰，运用随机数等方式，将不适合的个体淘汰，适合的保留。
④ 通过交叉互换、变异等方式对中云进行扰动，实质上就是在可行域内进行搜索，搜索出最适合环境的解。
上述的环境是指目标函数，需要求解最优值的函数，每个个体就是每个可行解，适应度评估就是将可行解带入函数进行计算然后对比其大小，如果可行解代入函数的结果最优，那这个解就是最优解。优胜劣汰是对优秀解的保留，较差解的淘汰，交叉和变异就是对解进行扰动，以进一步提高解的优度。
3、算法的步骤
遗传算法的学习资料，工具箱、代码和优秀论文等，大家可以免费获取。
需要以上智能优化算法资料的小伙伴可以关注公众号【科研交流】后台回复【智能算法】即可免费领取哈~
数学建模国赛 常考赛题类型（模拟退火算法、粒子群算法、遗传算法）相关推荐
- 2018年数学建模国赛B题 智能RGV的动态调度策略
第一种情况大致思路: 每秒判断各个CNC的状态,若工作完成或者是出于空闲状态下则向RGV发出一个请求.同时,RGV每秒判断自己的状态(上下料.移动.闲置.清洗等),如果是处于闲置状态,则启用调度算法, ...
- 2022年数学建模国赛c题论文+代码(附详解)
古代玻璃制品化学成分的分析与研究 摘要 古代玻璃极易受埋藏环境的影响而风化,并且在风化过程中,内部元素与环境元素进行着大量交换,导致其成分比例会发生变化,从而会影响对其类别的正确判断.玻璃在炼制的过程 ...
- 2019 数学建模国赛 C 题思路
我最后一次数学建模国赛结束了. 今年选的C题,在这里讲一些关于我们的解题思路之类的东西. 今年看到题目以后果断选了C,但是中途想过要换B,因为找了一晚上C的数据,几乎找不到什么有用的,但最后还是继续做 ...
- 2020年数学建模国赛C题
2020年数学建模国赛C题题目: 后续会更新解题思路,在此可以看下面的一篇论文 基于贝叶斯神经网络的信贷策略规划研究
- 2022数学建模国赛ABC题思路
2022年数学建模国赛ABC题思路 a题:添加链接描述 b题: 添加链接描述 c题: 基础版+进阶版 c题:进阶版 e题: 添加链接描述
- 2020年数学建模国赛B题题目和解题思路
2020年数学建模国赛B题题目: 考虑如下的小游戏:玩家凭借一张地图,利用初始资金购买一定数量的水和食物(包括食品和其他日常用品),从起点出发,在沙漠中行走.途中会遇到不同的天气,也可在矿山.村庄补充 ...
- 2020年数学建模国赛C题Demo【准确率只有61%，仅供参考】
2020年数学建模国赛C题Demo[准确率只有61%,仅供参考] MPai下载链接:www.mpaidata.com 关注公众号:[万灵数据]可以看很多很多建模资料噢 附件数据下载:https://m ...
- 2020年数学建模国赛A题题目和解题思路
2020年数学建模国赛A题: 在集成电路板等电子产品生产中,需要将安装有各种电子元件的印刷电路板放置在回焊炉中,通过加热,将电子元件自动焊接到电路板上.在这个生产过程中,让回焊炉的各部分保持工艺要求的 ...
- 2020年数学建模国赛B题解题思路
2020年数学建模国赛B题题目: 考虑如下的小游戏:玩家凭借一张地图,利用初始资金购买一定数量的水和食物(包括食品和其他日常用品),从起点出发,在沙漠中行走.途中会遇到不同的天气,也可在矿山.村庄补充 ...
最新文章
- Android之ActivityManagerService详解(APP启动过程)
- php mysql 查询每隔一段时间插入的数据_SQL查询某个时间段共多少条数据
- Python中的partial便函数的理解
- ActionScript for Multiplayer Games and Virtual Worlds 下载。
- halcon append_ocr_trainf 将字符添加到训练文件中
- 第一节 生命周期和Zend引擎
- 设计模式04_抽象工厂
- 中如何设置电气栅格_游戏中的设置界面如何设计？
- Java并发编程之ThreadLocal详解
- 歪门邪道破解Flash-SWF to AVI GIF Converter
- 入门 | 什么是自注意力机制？
- Echarts实现图表下钻
- 【学习笔记】SBT学习笔记
- cpu的主频、外频和倍频
- MFC 利用小型数据库Access 少步惆 教你用VC开发
- 171003 逆向-Reversing.kr（CSHOP）
- leetcode-Database-577|员工奖金
- 将字符串中的字母全部替换成字母的下一个字母，要是最后一位是z或Z则替换为a或A
- 工作笔记::VSCode使用笔记--VSCode 设置自定义快捷键 设置自定义运行脚本
- mos管选型注重的必备参数，值得收藏！