weixin_48888528的博客

金融科技面试题目1 试编程求解下列目标的最优解，可以调用相关的库：min ：x2+3xy+2y2+4x+5ysubject to：x+y=1x>0y>0import numpy as npimport scipy.optimize as opte = 1e-10 # 非常接近0的值fun = lambda x : (x[0] - 0.667) / (x[0] + x[1] + x[2] - 2) # fun约束函数 x[o]代表x,x[1]代表yfun = lambda x

借鉴了生物学中的遗传学和进化论的思想，将待优化问题的解看作进化中的个体，通过基因重组、突变和选择等遗传操作来实现逐代进化，最终找到最优解。

是一种群体智能算法，通过模拟鸟群觅食寻找目标的过程来进行优化，利用群体中的个体对信息的共享，算法通过不断地更新算法中每个粒子的速度与位置来逼近最优解。每个粒子根据自己的历史最优解和群体的最优解来更新速度和位置，从而在搜索空间中寻找最优解。

模拟退火算法的思想借鉴于固体的退火原理，当固体的温度很高的时候，内能比较大，固体的内部粒子处于快速无序运动，当温度慢慢降低的过程中，固体的内能减小，粒子的慢慢趋于有序，最终，当固体处于常温时，内能达到最小，此时，粒子最为稳定。模拟退火算法的核心是温度下降，随着温度的降低，接受劣解的概率逐渐降低，最终趋于0。如果当前解是一个局部最优解，即在附近的解中没有比它更好的解，那么一般情况下，该算法仍然会接受这个解，并以一定的概率接受更劣的解，这样就有可能跳出局部最优解并进一步找到全局最优解。这是一种贪心的思想。

信息素是蚂蚁之间交流的工具之一，当有蚂蚁走过时，它将会在它行进的路上释放出信息素，并且这种信息素会议一定的速率散发掉。每只蚂蚁在选择路径时，会考虑当前信息素浓度和距离等因素，计算出每条路径的选择概率。蚂蚁从起点出发根据信息素浓度，有一定的概率性选择路段，浓度越高，概率越大，逐步回到终点；当有蚂蚁走过，它后面的蚂蚁通过路上信息素的浓度，做出决策，往左还是往右；蚂蚁在路径上释放信息素，并根据路径长度更新信息素浓度。很明显，沿着短边的的路径上信息素将会越来越浓，从而吸引了越来越多的蚂蚁沿着这条路径行驶；