零阶优化方法和一阶优化方法通过对目标函数逼近或对目标函数加罚函数的方法将约束的优化问题转换为非约束的优化问题。两种算法的主要区别在于：零阶算法不利用一阶导数信息，一阶算法利用一阶导数信息；因此，一阶算法迭代一次所需要的时间大于零阶算法。
2022-03-16 15:21:05
118KB
1
解决最优化问题的方法
传统搜索方法
保证能找到最优解
Heuristic Search
不能保证找到最优解
2022-03-15 15:36:37
2.62MB
1
优化算法设定
非线性回归、曲线拟合问题、方程及方程组求解、无约束函数优化：
1) 通用全局优化算法
2) 下山単体法 + 通用全局优化算法
3) 差分进化法
4) 最大继承法
有约束函数优化问题：
1) 下山単体法 + 通用全局优化算法
2) 差分进化法
3) 通用全局优化算法
4) 最大继承法
2022-03-15 10:52:47
614KB
1
智能优化算法matlab实现。包括：差分进化算法、禁忌搜索算法、粒子群算法、免疫算法、模拟退火算法、神经网络算法、遗传算法、蚁群算法。
2022-03-14 17:09:20
87KB
1
针对惯性权重改进策略大多采用同代粒子使用相同权重,忽略了粒子本身特点以及不同维上的有效信息,提出一种基于不同粒子不同维的动态自适应惯性权重粒子群算法(AWPSO)。在该算法中利用矢量运算分析粒子进化公式,用一种新的方法构造惯性权重公式,使惯性权重随不同代不同粒子不同维动态改变,加快粒子收敛速度和全局搜索能力。通过对7个典型测试函数的测试结果表明,AWPSO在收敛速度,收敛精度,全局搜索能力方面比线性惯性权重粒子群算法(LDIWPSO)均有不同程度上的提高。
2022-03-13 19:32:45
374KB
1