请大家讨论一下自己使用的或常用的优化算法优缺点-技术邻

Question

优化算法有很多中，求局部最优一般使用梯度法，求全局最优的算法有很多，如遗传算法、蚁群算法、神经网络还有响应面等，请大家讨论一下各个算法的优缺点，以及自己使用这些算法的心得

happy · Answer

出來扎到,:) 學習李 步哨

Answer

您好像是结构优化方面的强手，下次有问题能不能求教您？

Answer

如果我现在已知了目标函数和约束条件，我怎么利用蚁群算法进行优化，能不能给我发个类似的源程序啊？谢谢！

Zhang_aiqing · Answer

原帖由 lifuqiangwell 于 2008-1-17 19:54:00 发表
遗传算法可适用于解决任何优化问题，缺点是速度太慢！进化速度上如果能改进的话，是非常好的算法。

正如lifuqiangwell 所述，遗传算法不需要示导数，甚至不需数学模型，所以适应大多数问题，这是它的优点；
但对于设计变量较多的问题，其求解效率成为瓶颈，所以需要改进。
我个人更看好近似优化技术，近似并不意味着计算就不精确，近似程度是可控的，可以通过一定的方法来评估。
而且，所有问题的数学模型并不是绝对精确的，通过一定的方法来迭代建模，以求得符合条件的结果。
欢迎大家积极参与讨论，精彩评论加分嘉奖:)

玉面飞狐 · Answer

遗传算法可适用于解决任何优化问题，缺点是速度太慢！进化速度上如果能改进的话，是非常好的算法。

Zhang_aiqing · Answer

结构优化算法按其理论基础基本可以分为两类，即准则法和数学规划法。

准则法从工程观点出发，提出结构达到优化设计时应满足的某些准则，如满应力准则，能量准则等，然后用迭代方法求出满足这些准则的解。这种方法的主要特点是物理意义明确，方法较为简单，重分析次数与设计变量数目无直接关系，收敛速度快，主要适用于结构布局及几何形状已定的情况。

数学规划法以规划论为基础，有可靠的数学基础，是结构优化中常用的方法。常见的数学规划方法有线性规划、非线性规划、动态规划、几何规划，其中以非线性规划最为常用。数值优化方法主要有梯度类方法和探索类方法。前者如可行方向法(MFD)、序列线性规划(SLP)、序列二次规划(SQP)等，需要进行梯度运算和灵敏度分析，并且只能得到局部最优解；后者如禁忌搜索算法(TS)、遗传算法(GA)、模拟退火算法(SA)、蚁群优化算法(ACOA)、人工神经网络(ANN)，甚至专家系统技术等，可以解得全局最优解，但需要进行大规模的计算。

通过建立近似模型的近似优化技术在某些方面表现出优点.它可以显著地减少仿真分析时间、节约计算成本。近似优化方法通常与试验设计方法相结合，因此也可以看作是统计方法与数学方法的结合，它能够求解优化问题的全局最优解。近似优化方法主要的有泰勒级数近似(TSA)、响应面方法(RSM)、径向基神经网络(RBF)和Kriging方法等，这些方法大多是当前优化算法领域研究和应用的热点课题。

YEKAI · Answer

GA和ANN通常要考虑计算效率问题，因为它们的计算次数巨大；而基于梯度的算法，容易陷入局部最优解，因此，在选用算法时，要兼顾全局与局部、资源与效率问题。

落日 · Answer

落日 · Answer

通常不会刻意去求局部最优吧，基于梯度的算法容易陷入局部最优解出不来而已。

传统的响应面算法通常是基于多项式和梯度来进行计算的，优点是有解析解，速度快，缺点是没法处理离散问题；

GA，蚁群和ANN通常都会归到人工智能算法里面，GA和ANN用过一段时间，不过都涉入不深，纯属于应用范畴，个人感觉：GA和ANN几乎可以解决所有可能遇到的问题，不管效果如何都会给你一个结果，缺点是整个算法架构里面的参数不好设置，要想用好必须对它们有一定的理解。蚁群算法毕业的时候看过几篇文章，还没来的及深入就从学校走人了，优缺点说不来。

一点个人的看法

xiaosa · Answer

YOU REN HUIFU MA

请大家讨论一下自己使用的或常用的优化算法优缺点

全部回答

没解决？试试专家一对一服务

请大家讨论一下自己使用的或常用的优化算法优缺点

全部回答

没解决？试试专家一对一服务

推荐阅读