大连海事大学-刘巍-高等运筹第十五讲PPT课件.ppt

高等运筹学
大连海事大学
刘巍
目录
第一篇运筹学发展历史
第二篇运筹学中的数学规划
第三篇运筹学中的组合优化
第四篇运筹学中的随机优化
第五篇运筹学中的博弈论
第六篇运筹学中管理科学
第七篇运筹学中智能计算
第八篇运筹学发展势态
第六篇运筹学中的智能计算
第二十三章遗传算法
第二十四章模拟退火
第二十五章蚁群算法
第二十六章人工神经网络
智能计算是涉及数学、运筹学、生命科学、计算机科学等的一个交叉研究方向。智能计算主要是借鉴仿生学和拟物的思想,基于人们对生物体智能机理和某些自然规律的认识,采用数值计算的方法去模拟和实现人类的智能、生物智能和其它社会与自然的规律。智能计算的发展具有较悠久的历史。尽管20世纪50年代后,符号智能体系就取得了巨大的成功,但是80年代以后,这种经典人工智能的发展一度受到了阻碍。
而后,智能计算在遗传算法和神经网络的带动下又迅猛发展。特别是,它与生命科学、系统科学联系在一起,使得计算机学者还有其他学科的学者也加入到智能计算的研究中来,极大地促进了智能计算的发展。虽然,至今没有一个统一的定义来精确刻画智能计算,但智能计算愈来愈引起人们广泛的关注。尤其随着随机理论、模糊理论、不确定理论、人工神经网络理论的快速发展,智能计算为研究不精确、不完整、不确定性等间题提供了有效的处理技术和方法,并且在许多应用领域取得了长足的进展。
第三十二章遗传算法
遗传算法是模拟达尔文生物进化论的遗传学机理和自然选择的生物进化过程的计算模型,是通过模拟自然界的进化过程来搜索最优解的一种方法。它起源于20世纪50年代。1965年霍兰德首次提出了人工遗传操作的重要性,并把这些应用于自然系统和人工系统中。1975年他发表了著名专著《自然系统和人工系统的适应性》,系统地阐述了遗传算法的基本理论和方法。
遗传算法的搜索机制
遗传算法模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象,在每次迭代中都保留一组候选解,并按某种指标从解群中选取较优的个体,利用遗传算子(选择、交叉和变异)对这些个体进行组合,产生新一代的候选解群,重复此过程,直到满足某种收敛指标为止。
2、基本遗传算法
基本遗传算法(Simple ic Algorithms,简称SGA,又称简单遗传算法或标准遗传算法),是由Goldberg总结出的一种最基本的遗传算法,其遗传进化操作过程简单,容易理解,是其它一些遗传算法的雏形和基础。