文章目录

  • 1 什么是智能优化算法
  • 2 常用的智能优化算法
  • 3 智能优化算法的特点
  • 4 模拟退火算法
    • 4.1 简介
    • 4.1 工具箱(SA)

1 什么是智能优化算法

智能优化算法又称现代启发式算法,是一种具有全局优化性能、通用性强且适用于并行处理的算法。这种算法一般具有严密的理论依据,而不是单纯凭专家经验,理论上可以在一定的时间内找到最优解或近似最优解。

补充说明:

启发式算法(Heuristic Algorithm)有两种定义:

(1)基于直观或经验的构造的算法,对优化问题的实例能给出可接受的计算成本(计算时间、占用空间等)内,给出一个近似最优解,该近似解于真实最优解的偏离程度不一定可以实现预计;

(2)启发式算法是一种技术,这种技术使得在可接受的计算成本内去搜寻最好的解,但不一定保证所得的解是可行解和最优解,甚至在多数情况下,无法阐述所得解同最优解的近似程度。

总之,启发式算法可用于解决求解最优解代价比较大的问题,但是此类算法不保证得到最优解,求解结果不稳定且算法效果依赖于实际问题和设计者的经验。

2 常用的智能优化算法

遗传算法(Genetic Algorithm, GA)
模拟退火算法(Simulated Annealing, SA)
禁忌搜索算法(Tabu Search, TS)
神经网络 (Neural Network)
蚁群算法(Ant Colony Optimization,ACO)

3 智能优化算法的特点

都是从任一解出发,按照某种机制,以一定的概率在整个求解空间中探索最优解。由于它们可以把搜索空间扩展到整个问题空间,因而具有全局优化性能。

4 模拟退火算法

4.1 简介

模拟退火算法的思想借鉴于固体的退火过程,当固体的温度很高时,内能比较大,固体内的粒子处于快速无序运动状态,当温度慢慢降低,固体的内能减小,粒子逐渐趋于有序,最终固体处于常温状态,内能达到最小,此时粒子最为稳定。

 白话理解:一开始为算法设定一个较高的值T(模拟温度),算法不稳定,选择当前较差解的概率很大;随着T的减小,算法趋于稳定,选择较差解的概率减小,最后,T降至终止迭代的条件,得到近似最优解。

4.1 工具箱(SA)

function fitnessVal=fitness(x)
fitnessVal=sin(10*pi*x)/x
end




Optimization running.
Objective function value: -0.8695940683355063
Maximum number of iterations exceeded: increase options.MaxIterations.

start point-
优化为一个搜索算法,需要一个起点,一般问题你可以随便设,复杂问题更加问题自身的情况。

找最大值变成-的即可。

机器学习(MACHINE LEARNING)MATLAB模拟退火算法【SA】相关推荐

  1. Re:从零开始的机器学习 - Machine Learning(一) 线性回归

    从我对整个职业生涯的规划出发,我不仅想做一些高质量的应用(软件工程的角度),还想做一些激动人心的应用,所以我希望能在机器学习的方向走,尽管我在大学粗浅的学了些皮毛,但如果要把机器学习作为职业发展的话这 ...

  2. 机器学习(Machine Learning)深度学习(Deep Learning)资料汇总

    本文来源:https://github.com/ty4z2008/Qix/blob/master/dl.md 机器学习(Machine Learning)&深度学习(Deep Learning ...

  3. 机器学习(Machine Learning)深度学习(Deep Learning)资料集合

    机器学习(Machine Learning)&深度学习(Deep Learning)资料 原文链接:https://github.com/ty4z2008/Qix/blob/master/dl ...

  4. (转)机器学习(Machine Learning)深度学习(Deep Learning)资料

    原文链接:https://github.com/ty4z2008/Qix/blob/master/dl.md 机器学习(Machine Learning)&深度学习(Deep Learning ...

  5. Machine Learning | (10) 回归算法-岭回归

    Machine Learning | 机器学习简介 Machine Learning | (1) Scikit-learn与特征工程 Machine Learning | (2) sklearn数据集 ...

  6. Machine Learning | (9) 回归算法-线性回归

    Machine Learning | 机器学习简介 Machine Learning | (1) Scikit-learn与特征工程 Machine Learning | (2) sklearn数据集 ...

  7. 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics

    数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...

  8. 机器学习(Machine Learning)、深度学习(Deep Learning)、NLP面试中常考到的知识点和代码实现

    网址:https://github.com/NLP-LOVE/ML-NLP 此项目是机器学习(Machine Learning).深度学习(Deep Learning).NLP面试中常考到的知识点和代 ...

  9. 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么

    数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...

  10. 机器学习(Machine Learning)深度学习(Deep Learning)资料(Chapter 2)

    机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 2) - tony的专栏 - 博客频道 - CSDN.NET 注:机器学习资料篇目一共 ...

最新文章

  1. 微软中国CTO:不思进取、放弃基本技能的程序员在34.9岁会被淘汰!
  2. Centos6.4_X64飞信安装
  3. 1、MyEclipse插件配置以及通过MyEclipse生成表对应的JPA代码
  4. Java集合(五):Set集
  5. SQL 语句时间比较
  6. Converter Tutorial
  7. 带你自学Python系列(十二):Python函数的用法(二)
  8. 女性心理学:全球女性学霸时代来临
  9. 关于PC套件显示红外连接出现问题而导致连接不上的解决方案(zz)
  10. 紫光拼音输入法6.7.0.9 论坛测试版发布
  11. 巧用暴风影音快捷键 旋转视频画面
  12. 验证牛顿公式的局部收敛性,并找到对于牛顿公式不收敛(发散)的函数,比较二分法与牛顿公式的收敛速度
  13. Python量化交易实战教程汇总
  14. 传世调试之-道士技能《解毒术》、《神光术》:无法正常升级。
  15. “逃离北上广”——你以为回到小城市就很幸福了么?
  16. java 跳转url_URL跳转的几种方式
  17. LaTeX \subfloat 引用子图片使用小括号
  18. Webpack 的 Chunk,想怎么分就怎么分
  19. ####好好好#####知识图谱上的双塔召回:阿里的IntentGC模型
  20. 互联网金融的前世、今生和未来-系列四(今生):百花齐放的互联网金融业态

热门文章

  1. 轻量级姿态估计simplepose
  2. pytorch 三角函数
  3. pycharm test 右键run
  4. yolov3深度解析
  5. pyhon字典后跟中括号
  6. 在Ubuntu中用anaconda快速安装opencv3
  7. opencv图像灰度重心算法
  8. Day 12 你离开家时最想念的东西
  9. 计算机课堂有趣的游戏,有趣的课堂游戏作文9篇
  10. 龙格库塔法解微分方程组的matlab程序,MATLAB实例源码教程:龙格库塔法求解微分方程组源代码实例.doc...