基于罚函数的粒子群算法的函数寻优

资 源 简 介

自20世纪50年代中期创立了仿生学，许多学者开始从生物中挖掘新的算法来用于复杂的优化问题。一些学者通过研究生物进化的机理，分别提出了适合于现实世界复杂优化问题的模拟进化算法（Simulated evolutionary algorithms），例如SA、SOA、ACO、PSO、GA等。 例如美国Michigan大学的J.H.Holland教授等创立的遗传算法GA，Rechenberg等创立的进化策略及Fogel等创立的进化规划。遗传算法GA、进化策略、进化规划有一定的相似性，它们均来自于达尔文的进化论，

详 情 说 明

自20世纪50年代中期创立了仿生学，许多学者开始从生物中挖掘新的算法来用于复杂的优化问题。仿生学是一门研究生物学原理并将其应用于工程与技术领域的科学。这些学者通过深入研究生物进化的机理，分别提出了适合于现实世界复杂优化问题的模拟进化算法（Simulated evolutionary algorithms），例如SA、SOA、ACO、PSO、GA等。

例如美国Michigan大学的J.H.Holland教授等创立的遗传算法GA，Rechenberg等创立的进化策略及Fogel等创立的进化规划。遗传算法GA、进化策略、进化规划有一定的相似性，它们均来自于达尔文的进化论。其中遗传算法GA的研究最为深入，理论最为成熟，并且应用面也最广。

粒子群算法（PSO）也是一个多学科交叉的领域。它是一种优化算法，模拟了鸟群觅食中的寻优行为。同样吸引着众多的学者运用不同的技术手段对之进行改进研究，具体包括数学、计算机科学、生物以及物理等许多学科的科研人员。粒子群优化算法PSO在工业、交通、化工、能源、农业、国防、工程、通信等许多领域有着广阔的应用前景。因此，对粒子群优化算法进行研究具有很重要的意义。

总之，仿生学算法的研究已经成为一个热门领域，它在应用领域的广泛性和效果的显著性已经得到广泛认可。因此，我们有理由相信，在未来的发展中，仿生学算法将会有更加广泛的应用和更加深入的研究。