第一章-----Introduction'

1.1 一些歌概念:
x: design or decision variables 设计或决策变量
f(x) :Objective function or simple cost function目标函数
Rn:space spanned by the decision variables 决策变量的范围空间
hi()/gi(): constraints 约束条件

等式可以通过不等式表示出来

1.2 search for optimality
寻找最优就像是挖宝藏一样,现在假使有两找那个情况(1)你是一个瞎子,这个时候你就只能通过随机一步步的去寻找------pure random search
(2)告诉你宝藏的具体位置,就在最高的山峰-----这个时候就会出现策略的选择问题,你是选取什么样子的路线,使得最快的到达。
原文:


算法的分类:确定算法,非确定算法,混合的算法(确定和不确定都有0)
混合算法使用随机避免陷入局部最优

metaheuristics 特点:
(1)在随机以及局部搜索中取折中
(2)最近的说明就是包含有随机以及局部搜索的非确定性算法
(3)通常都有比较好的全局最优性

元启发式的两个阶段:
全局勘探以及局部探索或开发--------这两个过程是同时进行的,是在满足一定的条件的时候进行不同的强调

本文介绍了优化算法的基础概念,包括设计变量、目标函数、约束条件等,并探讨了寻找最优解的过程,将其比喻为寻宝游戏。文章还讨论了不同类型的优化算法,如确定性算法、非确定性算法及混合算法,并重点介绍了元启发式算法的特点及其在解决复杂优化问题中的应用。
1131

被折叠的 条评论
为什么被折叠?



