优化算法 无处不在
来源:互联网 发布:c语言数据类型和范围 编辑:程序博客网 时间:2024/06/05 21:02
一:起因
(0)优化算法(Optimization Algorithm),即求目标函数的最优值问题;如何评价你的当前解的值是最优的?这就需要构造评价函数;如何从当前的位置(解)更新到新的搜索空间?这就需要变换的形式的定义。
(1)优化算法无处不在 —— 实际生活中的 物资调配,一定的生产资料如何得到最大的产出,一定的投资如何得到最佳的收益等等,都可以转化为最优化问题的求解;就连我们平常生活中的一次旅游计划也离不开优化问题:三天的假期,我是去西藏 还是去北京还是去上海,我得受制于假期的期限,以及路费,住宿费,以及当地的生活习俗,个人爱好,偏好等等因素的制约,最终我们会得到一个浙中的方案,其实就是一个最优解嘛!
(2)优化算法:拟牛顿、牛顿、梯度;遗传、蚁群、模拟退火、粒子群算法等,优化算法,是在给定的搜索空间中,以尽量快的速度尽量的搜索全局最优值。
二:优化的分类
(0)简单的线性非线性的古老优化算法:
拟牛顿、牛顿、梯度 爬山算法------ 容易造成局部最优解
(1)解决局部最优,并且开始结合生物信息论
遗传(GA Genetic Algorithm)、模拟退火(Simulated Annealing)
(2)群体智能的知识 - -通常认为它是群集智能(Swarm intelligence, SI)的一种。它可以被纳入多主体优化系统(Multiagent Optimization System, MAOS)
蚁群(Ant )、粒子群算法(PSO Particle Sworm Optimization)
(3)按照有无条件限制 又分为有约束的优化问题和无条件的优化问题
三:优化的应用
(0)LR 求解问题:1)Logistic函数(或称为Sigmoid函数) S型函数;2)目标函数的建立,转化为求最优解——即转化为优化问题;3)
运用优化算法(拟牛顿、牛顿、梯度;遗传、蚁群、模拟退火、粒子群算法等)求解
(1)类似的BPNetwork(用到的是梯度下降法),求解W权重的参数的最佳权值一样,也是在构造一个损失函数J,使得其达到最小值,求此时的W权重即为所求的参数。
(3)实际生活中的 物资调配,一定的生产资料如何得到最大的产出,一定的投资如何得到最佳的收益,生产生活的管理等等,均可以转化为优化问题
- 优化算法 无处不在
- 推荐算法,无处不在
- 无处不在的算法---《算法神探》读后感
- 互联网无处不在的“推荐算法”解析
- 商机无处不在
- 情无处不在
- 线程无处不在
- 奇异无处不在
- 封装无处不在!
- 对象无处不在
- 档案无处不在
- SOA无处不在
- 总结无处不在
- 山寨无处不在
- 家无处不在
- 学习无处不在
- 潜规则无处不在
- 质量无处不在
- 移动App架构设计
- wordpress后台加载ajax.googleapis.com导致打开速度很慢的解决方案
- PHP运行模式
- Meeting Management
- 八大排序算法
- 优化算法 无处不在
- java实现文件夹的复制(含代码)
- Tomcat启动出错: Cannot rename original file to $TOMCAT_HOME$conf\tomcat-users.xml.old
- java从jar包中获取资源文件
- NFC模组,开发NFC功能 只要几条指令的事情
- 字符串去重/C#
- C语言寄存器变量register
- 工厂方法模式(三):日志记录器的工厂方法模式解决方案,反射与配置文件
- csdn 开贴篇!