QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 2844|回复: 0
打印 上一主题 下一主题

[建模教程] 数学建模:优化算法

[复制链接]
字体大小: 正常 放大
杨利霞        

5273

主题

82

听众

17万

积分

  • TA的每日心情
    开心
    2021-8-11 17:59
  • 签到天数: 17 天

    [LV.4]偶尔看看III

    网络挑战赛参赛者

    网络挑战赛参赛者

    自我介绍
    本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。

    群组2018美赛大象算法课程

    群组2018美赛护航培训课程

    群组2019年 数学中国站长建

    群组2019年数据分析师课程

    群组2018年大象老师国赛优

    跳转到指定楼层
    1#
    发表于 2019-4-10 10:57 |只看该作者 |倒序浏览
    |招呼Ta 关注Ta
    数学建模:优化算法
    / a/ m, ~/ H6 I* g. R8 Q1 r优化算法, h; r  B: t$ E2 N: g
    ! a( i0 p. D1 e% F) J0 d/ E
    数学建模问题总共分为四类:
    / z( M3 \2 S1 y. |7 _6 S- h6 i1. 分类问题 2. 优化问题 3. 评价问题 4. 预测问题1 m& k) t1 V! C- t7 T
    ' c: |! e4 r9 @, R+ @
    一、粒子群算法(PSO)4 d* Y! a+ a/ G# u

    8 r- t( @# [4 Q- L算法对于Hepper的模拟鸟群(鱼群)的模型进行修正,同遗传算法类似,也是一种基于群体叠代的,但并没有遗传算法用的交叉以及变异,而是粒子在解空间追随最优的粒子进行搜索。
    . k) w; Y" r: ]  r0 x7 L& E5 _PSO的优势在于简单,容易实现,无需梯度信息,参数少,特别是其天然的实数编码特点特别适合于处理实优化问题。同时又有深刻的智能背景,既适合科学研究,又特别适合工程应用。
    3 C: S' T4 i# Z# s6 j
    6 M  k+ x2 |" x% f! K9 Z6 f基本PSO算法
    4 ]* B* B% i* c' J. C8 v+ F. [! X. H7 s8 ~0 D7 g3 R) K4 H
    D维空间中,有m个粒子;
    4 C; U" V7 ]" j粒子i位置:xi=(xi1,xi2,…xiD) 8 }# C! @0 z" k
    粒子i速度:vi=(vi1,vi2,…viD),1≤i≤m,1 ≤d ≤D " k7 u& O6 Z) G- J7 H# l2 Y
    粒子i经历过的历史最好位置:pi=(pi1,pi2,…piD)
    1 d% S1 V7 G1 w7 F- X0 j群体内(或领域内)所有粒子所经历过的最好位置: pg =(pg1,pg2,…pgD) 8 K# d* v# ?* b
    : W+ W4 l/ B3 W0 a
    % s5 b: Z# Y, v" q1 w, m
    二、模拟退火算法(SA)
    ' e) w' j3 a% @( V$ z# \6 t. [
    7 s, j) c" h$ S+ g6 V$ w( y模拟退火过程: 7 q  b5 {# [* u- j2 p+ z- T& B2 e
    设定初始高温,相当于物理退火的加温过程。初始温度要足够高,在实际应用中,要根据以往的经验,通过反复实验来确定T0的值。
    4 a: x( B( N0 P: l+ i4 ^  Z热平衡达到,相当于物理退火的等温过程。是指在一个给定温度下,SA用特殊的抽样策略进行随机搜索,最终达到平衡状态的过程。这是SA算法的内循环过程。
    - P; p1 m3 @, l5 P# s降温函数,相当于物理退火的冷却过程。用来控制温度的下降方式,这是SA算法的外循环过程。常用的降温函数有Tk+1=Tk-DT,Tk+1=Tk*r,其中r∈(0.95,0.99)。, m+ o* n( n& a& I
    7 u5 N  h7 v( y! E; Q
    三、遗传算法% Z. K2 T8 V1 @6 J* C5 B
    / m: @9 F, d6 G  r
    产生一个初始种群
    5 {( ?. n$ I, S0 {& h根据问题的目标函数构造适值函数 0 h8 }! ?7 R: s8 O
    根据适应值的好坏不断选择和繁殖 % K0 a& G" y. U: q2 y$ A5 X1 W; X
    若干代后得到适应值最好的个体即为最优解
    . ]8 f, k9 S2 Y. O  V+ ~! q7 ?7 ^& H) y/ `' J: e+ l
    四、算法步骤 " `' _( r. q7 c  s8 u9 x" u6 O
    初始种群
    . s( y* }( H- `4 ]; ?& Z编码方法—二进制编码,可以对多个编码进行组合。 1 g% k/ P7 Q% U7 R  r( s2 l
    适值函数,往往就是目标函数,以值得大小为依据 - v( x. _3 a. k) c( T" x
    遗传运算,交叉和变异
    5 V  `$ n/ T4 Y$ c* I选择策略,算出适应度,根据比例采用转盘模型 3 m; \: N6 ?: @1 p% G
    停止准则# r# f% k2 E0 @( ]& W) @. Y- y+ ^
    ( P+ I9 F2 q+ J7 ~4 J
    参考:https://blog.csdn.net/zuochao_2013/article/details/714351057 }$ b4 Y3 V9 s: |$ ?" }

    8 ^, h- A3 i) a, |0 P4 {四、神经网络算法
    - E& Q  P6 Z3 h; a# r- f; p  X& P- T) V2 [
    和机器学习模型中的神经网络一样,用来分类或预测
    $ h9 L! J9 C% @* o4 o5 d1 m* ]7 j# k/ |
    五、禁忌搜索算法 (Tabu Search)( H$ {! A5 d+ v* H7 q
    , W$ ^2 s# _; z) [1 j% Q- a
    又称爬山启发式算法,从当前的节点开始,和周围的邻居节点的值进行比较。如果当前节点是最大的,那么返回当前节点,作为最大值(即山峰最高点);反之就用最高的邻居节点替换当前节点,从而实现向山峰的高处攀爬的目的。它是禁忌搜索的基础,TS算法是在其上改进而来。 & H. ]: [6 V" v7 |
    优点: 3 ~, b! [6 U$ R1 c; Y& I
    1、容易理解,容易实现,具有较强的通用性; , y+ i8 v, n$ G; h# N. e: y: u; P. m
    2、局部开发能力强,收敛速度很快。
    . Z; ~( _% ^5 w; n' T9 C8 ]. a缺点: / ~$ A) z/ ]/ Q: c% |( v
    1、全局开发能力弱,只能搜索到局部最优解; ) m7 J' N8 c; R1 `6 Z
    2、搜索结果完全依赖于初始解和邻域的映射关系。
    ' S# i; U, a' [. V% p: [0 A3 C% e5 l& I  {: Q6 P
    将不相同的n件物品分为m组,可以用的编码: ; r0 s, C8 A6 ~& u) x) ^1 w; i
    a、带分隔符的顺序编码,以自然数1~n分别代表n件物品如:1-3-4-0-2-6-7-5-0-8-9 # L- n% Z+ u  t- M7 Z: n
    b、自然数编码,每一位分别代表一件物品,而每一位的值代表该物品所在的分组。如:1-2-1-1-2-2-2-3-3
    1 g: ~, e0 W( P& V(2)初始解的获取 . H; I8 }9 }# N
    可以随机给出初始解,也可以事先使用其他启发式等算法给出一个较好的初始解。
    ; {( W( f9 ^: f/ k3 d2 H(3)移动邻域 6 J7 V; m+ ]/ {, m6 I( N
    移动是从当前解产生新解的途径,例如上述问题中用移动s产生新解s(x)。
    # r2 U5 I) Q0 \2 ?7 A$ t; g' D从当前解可以进行的所有移动构成邻域,也可以理解为从当前解经过“一步”可以到达的区域。
    4 p# Q& Y6 n$ d4 ~1 l: K9 d! `(4)禁忌表 * T" P2 m0 W; j
    禁忌表的作用:防止搜索出现循环 # K0 Z% y9 P, W0 O# J: k
    (5)渴望水平函数 . J! l( \' z+ V5 U/ F' ?1 w
    A(x,s)一般为历史上曾经达到的最好目标值,若有C(s(x))
    + ~) T( ?; X8 ~& m- I9 v  e2 N% L# H
    8 \! W9 O& _  v" o$ O) B六、蚁群算法(AS)
    ' S1 p; @  S- p; |
    ( Q  {  F' _6 A% @0 x& Y+ S+ U
    5 f: h0 H- q: r6 k0 ?* d0 ~  h- P1 X7 `7 }4 {

    " x. x/ b5 I4 g4 I' n& k: |& v4 f8 Z$ U! p  Y( Y2 L' X' d, j" T3 I

    5 R" c7 q0 y+ ^& ^0 |4 W6 v4 I: b+ i/ y8 d+ X2 a2 l
    * h6 u: h6 z# \) O; D
    ; v$ |% T+ Z9 @5 @" Q

    " x0 p- @. Z6 p8 \+ R$ ]1 }( I* Q9 n
    , d/ G5 M6 n( |' s' J) R+ ?# j

    2018全国数学建模总结.docx

    17.26 KB, 下载次数: 2, 下载积分: 体力 -2 点

    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2026-4-12 09:48 , Processed in 1.798849 second(s), 54 queries .

    回顶部