- 博客(6)
- 收藏
- 关注
RSS订阅原创 群体智能算法之蚁群算法（ACO）
蚁群算法是一种受自然界蚂蚁觅食行为启发的智能优化算法。其核心思想是通过模拟蚂蚁释放和感知信息素的机制，实现群体智能的涌现。算法中人工蚂蚁基于信息素浓度和启发式信息（如距离倒数）选择路径，并通过正反馈（信息素增强）和负反馈（信息素挥发）机制平衡探索与开发。该算法特别适合解决旅行商问题等NP难组合优化问题，具有自组织、并行计算和强鲁棒性等特点。主要变体包括蚁周模型、最大-最小蚂蚁系统等。尽管存在收敛速度慢、参数敏感等不足，蚁群算法在路径规划、网络路由、调度优化等领域展现出独特优势，为复杂优化问题提供了创新解决方
2026-01-16 23:17:20
1713
原创 群体智能算法之粒子群算法（PSO）
粒子群优化算法（PSO）是一种模拟鸟群觅食行为的群体智能优化技术。其核心思想是通过个体最优(pbest)和群体最优(gbest)引导粒子群在搜索空间中进行探索。算法通过速度更新公式（包含惯性项、认知项和社会项）动态调整粒子位置，具有实现简单、收敛快的优点，但也存在易早熟收敛、参数敏感等不足。PSO广泛应用于机器学习、工程优化等领域，是解决连续优化问题的重要工具。虽然存在理论分析不足等缺陷，但其直观的设计理念为群体智能算法研究提供了重要参考。
2026-01-15 10:54:42
794
原创 群体智能算法之灰狼优化算法（GWO）
灰狼优化算法（GWO）是一种模拟灰狼社会等级和狩猎行为的元启发式优化算法。算法将狼群分为α、β、δ、ω四个等级，分别代表当前最优解、次优解、第三优解和其他候选解。通过模拟包围、骚扰和攻击三个狩猎阶段，狼群在α、β、δ的引导下逐步逼近最优解。算法核心在于数学化模拟包围和攻击行为，利用收敛因子a控制探索与开发的平衡。GWO具有参数少、易实现、平衡性好等优势，已成功应用于工程优化、机器学习和电力系统等领域。相比其他群体智能算法，GWO通过三级引导机制有效避免了早熟收敛问题。
2026-01-15 10:44:29
1030
原创 群体智能算法之差分进化算法（DE）
摘要：差分进化算法是一种基于种群的自然启发式优化方法，通过差分变异、交叉和选择操作在连续空间进行高效搜索。其核心是利用个体间向量差产生变异，结合贪婪选择机制，具有全局搜索能力强、不依赖梯度信息、参数少等优势。相比遗传算法和粒子群算法，差分进化对目标函数要求极低，适用于非线性、多峰等复杂优化问题。典型应用包括工程优化、机器学习参数调优和金融投资组合优化等领域。该算法结构简单，仅需种群大小、缩放因子和交叉概率三个主要参数，在解决黑箱优化问题时表现出色。
2026-01-14 08:21:13
736
原创 CKF算法的数学之美与原理解析
摘要： 容积卡尔曼滤波（CKF）是一种基于球面-径向容积规则的非线性状态估计算法，适用于高斯噪声下的非线性系统。与扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）相比，CKF通过对称等权的2n个容积点精确逼近非线性变换，无需计算雅可比矩阵或调节参数，兼具高精度和数值稳定性。其核心优势在于理论严谨性、计算效率及稳健性，适用于目标跟踪、导航、机器人等领域。尽管受限于高斯假设和高维计算量，CKF仍是非线性滤波中高效可靠的选择。
2026-01-13 11:06:12
1454
原创 拟牛顿法详解
拟牛顿法是一种高效的无约束优化算法，在梯度下降法和牛顿法之间取得平衡。它通过迭代收集梯度信息来近似Hessian矩阵或其逆矩阵，避免了直接计算二阶导数的高成本。核心思想是利用割线方程（拟牛顿条件）更新近似矩阵，保持正定性以确保搜索方向下降。主要变种包括DFP、BFGS和内存优化的L-BFGS方法，其中L-BFGS通过存储有限历史信息显著降低内存需求，成为大规模优化问题的标准算法。拟牛顿法具有超线性收敛速度，广泛应用于机器学习、工程优化等领域，是平衡计算效率和收敛速度的理想选择。
2026-01-13 10:07:16
673
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人