优化算法

1.随机搜索

存在随机跳跃的特点,每次优化结果可能不同,不能充分利用已经发现的最优解(已经尝试过的解中的最优解)

2.爬山法

从一个随机解开始,在其邻近的解中寻找最优解,速度快,但容易造成局部最优,为了解决这个问题,可以使用随机重复爬山法,模拟退火,遗传算法等

3.模拟退火

也是从一个随机解开始,每次迭代,选中一个数字,然后沿某一个方向变化(爬山法是从多个方向),可能接受比当前差的解,但退火过程中,越来越不可能接受较差解,最后只接受最优解,速度也很快

4.遗传算法

随机生成一组解,计算成本函数,获得题解的有序列表,组成种群---在种群中选取最优解,成为精英,加入新生成的种群---通过变异,交叉,配对的方法来修改解---知道迭代次数满足条件或连续多次改善不佳停止

5.网络可视化

6.牛顿法

7.拟牛顿法

8.拉格朗日对偶

9.模拟退火和遗传算法的思路:找到潜在解,做成数字列表,使用算法

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容