文档介绍：群智能算法
第一页，共97页
群智能
群智能的概念
群智能算法
蚁群优化算法原理
蚁群算法的起源
蚁群算法的原理分析
基本蚁群优化算法
蚂蚁系统的模型与实现
蚂蚁系统的参数设置和基本属性
改进的蚁群优化算法
蚂蚁系统的优点与不足
最优解保留策略蚂蚁系统
蚁群系统
最大－最小蚂蚁系统
基于排序的蚂蚁系统
各种蚁群优化算法的比较
智能优化计算
第二页，共97页
蚁群优化算法的应用
典型应用
医学诊断的数据挖掘
粒子群算法的基本原理
粒子群算法的提出
粒子群算法的原理描述
基本粒子群优化算法
基本粒子群算法描述
参数分析
与遗传算法的比较
改进粒子群优化算法
离散二进制PSO
惯性权重模型
收敛因子模型
研究现状
智能优化计算
第三页，共97页
粒子群优化算法的应用
求解TSP问题
其它应用
群智能算法的特点与不足
智能优化计算
第四页，共97页
群智能
智能优化计算
群智能（ Swarm Intelligence, SI ）
人们把群居昆虫的集体行为称作“群智能”（“群体智能”、“群集智能”、“集群智能”等）
特点
个体的行为很简单，但当它们一起协同工作时，却能够突现出非常复杂（智能）的行为特征。
群智能的概念
第五页，共97页
群智能
智能优化计算
描述
群智能作为一种新兴的演化计算技术已成为研究焦点，它与人工生命，特别是进化策略以及遗传算法有着极为特殊的关系。
特性
指无智能的主体通过合作表现出智能行为的特性，在没有集中控制且不提供全局模型的前提下，为寻找复杂的分布式问题求解方案提供了基础。
群智能算法
第六页，共97页
群智能
智能优化计算
优点
灵活性：群体可以适应随时变化的环境； 稳健性：即使个体失败，整个群体仍能完成任务；
自我组织：活动既不受中央控制，也不受局部监管。
典型算法
蚁群算法（蚂蚁觅食）
粒子群算法（鸟群捕食）
群智能算法
第七页，共97页
蚁群优化算法原理
智能优化计算
蚁群的自组织行为
“双桥实验”
通过遗留在来往路径
上的信息素
（Pheromone）挥
发的化学性物质来进行
通信和协调。
蚁群算法的起源
第八页，共97页
蚁群优化算法原理
智能优化计算
蚁群的自组织行为
“双桥实验”
蚁群算法的起源
第九页，共97页
蚁群优化算法原理
智能优化计算
提出蚁群系统
1992年，意大利学者M. Dorigo在其博士论文中提出
蚂蚁系统（Ant System）。
近年来， M. Dorigo等人进一步将蚂蚁算法发展为一种通用的优化技术——蚁群优化（ant colony optimization, ACO）。
蚁群算法的起源
第十页，共97页