1. 입자 군 최적화
입자 군 최적화 알고리즘이라고도 하는 입자 군 최적화 알고리즘은 최근 몇 년 동안 발전해 온 새로운 진화 알고리즘입니다.
진화 알고리즘. PSO 알고리즘은 유전 알고리즘과 유사한 진화 알고리즘입니다. 그것은 또한 무작위 해법에서 출발하여 반복을 통해 최적의 해법을 찾는다. 또한 적응도를 통해 솔루션의 품질을 평가하지만 유전 알고리즘보다 간단합니다. 유전 알고리즘의 교차 및 변이 작업은 없으며 현재 검색된 최적 값을 따라 전역 최적 값을 찾습니다. 이 알고리즘은 구현하기 쉽고, 정확도가 높으며, 수렴 속도가 빠르다는 장점으로 학계의 주목을 받으며 실제 문제 해결에서 그 우월성을 보여준다.
최적화는 산업 디자인에서 흔히 볼 수 있는 문제이며, 많은 문제들이 결국 함께 귀결될 수 있다. 다양한 최적화 문제를 해결하기 위해 사람들은 등산 및 유전 알고리즘과 같은 많은 최적화 알고리즘을 제안했습니다. 최적화 문제에는 두 가지 주요 문제가 있습니다. 하나는 전역 최소값을 찾는 것이고 다른 하나는 수렴 속도가 높은 것입니다. 등산법은 정확도가 높지만 국소극으로 빠지기 쉽다. 유전 알고리즘은 진화 알고리즘에 속한다.
(EvolutionaryAlgorithms) 자연 선택과 유전 메커니즘을 모방하여 최적의 솔루션을 찾습니다. 유전 알고리즘에는 선택, 교차 및 변이의 세 가지 기본 산자가 있습니다. 그러나 유전 알고리즘의 프로그래밍 구현은 비교적 복잡하기 때문에 먼저 문제를 인코딩하고 최적의 해결책을 찾은 후 디코딩해야 한다. 다른 세 산자의 구현에도 교차율 및 변이율과 같은 많은 매개변수가 있습니다. 또한 이러한 매개변수의 선택은 솔루션의 품질에 심각한 영향을 주지만 현재 이러한 매개변수의 선택은 대부분 경험에 따라 달라집니다. 1995, 에버하트 박사와 케네디 박사가 새로운 알고리즘을 제안했습니다. 입자 군 최적화 알고리즘. 이 알고리즘은 구현하기 쉽고, 정확도가 높으며, 수렴 속도가 빠르다는 장점으로 학계의 주목을 받으며 실제 문제 해결에서 그 우월성을 보여준다.
입자군 최적화 알고리즘은 최근 몇 년 동안 발전해 온 새로운 진화 알고리즘이다. PSO 알고리즘은 유전 알고리즘과 유사한 진화 알고리즘이며, 무작위 솔루션에서 출발하여 반복을 통해 최적의 솔루션을 찾습니다. 또한 적응도를 통해 솔루션의 품질을 평가하지만 유전 알고리즘의 규칙보다 간단하며 유전 알고리즘의 교차 및 변이 작업은 없습니다. 현재 검색의 최적 값을 따라 전역 최적 값을 찾습니다.
둘째, 유전 알고리즘
유전 알고리즘은 계산 수학에서 최적화 문제를 해결하는 데 사용되며 진화 알고리즘입니다. 진화 알고리즘은 원래 진화 생물학의 일부 현상에서 발전해 왔으며, 유전, 변이, 자연 선택, 교배를 포함한다. 유전 알고리즘은 일반적으로 시뮬레이션으로 구현됩니다. 최적화 문제의 경우 특정 수의 후보 솔루션 (개체라고 함) 의 추상적 표현 (염색체라고 함) 이 더 나은 솔루션으로 진화합니다. 일반적으로 표기법 (0 과 1 의 문자열) 이 사용되지만 다른 표기법도 사용할 수 있습니다. 진화는 완전히 무작위적인 개체 집단부터 시작하여 대대로 일어난다. 각 세대에서 전체 집단의 적합성을 평가하고, 현재 군체에서 무작위로 몇 개의 개체를 선택 (적응도에 따라) 하고, 자연선택과 변이를 통해 새로운 생명군을 만들어 알고리즘의 다음 반복에서 현재 군체가 된다.