群智能寻优算法的一般流程和框架是怎样的？

群智能寻优算法是指一类引入“种群”概念和仿生机制的用于寻找函数最优值的算法。最常见的如遗传算法，引入了生物染色体的交叉变异机制；粒子群算法，引入了鸟群飞行的速度和位置的相关机制。后续又出现了很多模仿蜜蜂、狼群、狮群的算法，但是不管是哪种群智能寻优算法，其计算的框架都是一样的，下面我们就来看一下该类算法的一般步骤：



1：设定参数

2：初始化生成种群并计算目标

3：根据初始化种群的目标得出最优的个体和最优的目标

4：开始执行算法的迭代计算

5：执行该算法的仿生机制公式（种群中各个个体的值根据该公式变化）

6：对变化后的个体重新计算目标并和最优的个体目标进行目标，判断是否更新最优的个体和目标

7：进入下一次迭代，如果迭代结束则导出结果





对于不同的算法而言，只有仿生机制公式不一样，有的算法的公式可能就很简单，有的算法的公式就会复杂很多，其他部分的框架几乎如出一辙，所以大家把这个框架理解透彻之后再学习新的智能寻优算法就很简单了.........







请前往：http://www.mark-to-win.com/TeacherV2.html?id=269