【正文】 的鄰域子集，它可通過對(duì)某些移動(dòng)進(jìn)行分類為 Tabu（禁忌）和其他所需規(guī)定來修正。這是 TS法的關(guān)鍵步驟，稱為Tabu列表管理。換而言之， Tabu列表管理關(guān)注 Tabu列表的更新，即決定在搜索迭代中多少移動(dòng)和哪些移動(dòng)必須設(shè)成 Tabu。有幾種基本方式來實(shí)現(xiàn)這個(gè)管理，通常涉及新記錄來分別維持不同屬性或不同類屬性。 TS法的最 基本組成部分 包括： 移動(dòng)（ Move）、 Tabu列表（ Tabu list）和激勵(lì)水平（標(biāo)準(zhǔn)）。 Tabu搜索因此是一種基于多層記憶管理和響應(yīng)探究的元啟發(fā)式算式來求解全局最優(yōu)問題。它需要鄰域概念來得到一個(gè)試探解（也許是部分的）的。 Tabu 搜索法 Tabu搜索采取如下步驟： 1. 初始化。隨機(jī)產(chǎn)生或利用給定問題的現(xiàn)有方法來給出初始解。 2. 選擇移動(dòng)。定義適用于當(dāng)前解的移動(dòng)集來產(chǎn)生一組試探解。例如，移動(dòng)具有形式： Xtrial=Xcurrent177。Δ X, ΔX具有與 X相同維數(shù)的向量。在所有產(chǎn)生的試探解中，TS尋找目標(biāo)函數(shù)改進(jìn)最多的一個(gè)解。 3. 更新。從鄰域（希望的或者非禁忌的并且目標(biāo)函數(shù)值是最小的）中選擇下一個(gè)解。如果滿足停止條件則停止。否則更新 T（根據(jù)某些 Tabu更新規(guī)則）并返回選擇移動(dòng)。 TS的特點(diǎn)是： 以記憶自適應(yīng)形式的搜索方式來解決通常其他方法無法處理的復(fù)雜性問題。 Tabu搜索是一種工程方法，必須根據(jù)所需解決問題實(shí)際情況來進(jìn)行 特別 處理。麻煩的是，很少有理論知識(shí)來指導(dǎo)這個(gè)處理過程，必須對(duì)實(shí)踐經(jīng)驗(yàn)進(jìn)行分類。 Tabu 搜索法 蟻群搜索（ ACS） 的思想來源于真正蟻群行為，可用于求解函數(shù)或者組合最優(yōu)問題。蟻群搜索算法在某種程度上模擬螞蟻的行為。真正螞蟻能利用視覺提示尋找食物源與巢之間最短的路徑。它們也能根據(jù)環(huán)境的變化而改變路徑， 例如，若發(fā)現(xiàn)了一個(gè)新最短路徑將不再走舊的路徑。行為學(xué)家研究揭示這個(gè)能力本質(zhì)上也是由所謂的“荷爾蒙 跟蹤”。利用荷爾蒙螞蟻之間進(jìn)行交換信息來決定路徑和去的地方。螞蟻在行走時(shí)留下一定量的荷爾蒙，并且每個(gè)螞蟻更樂于朝荷爾蒙相對(duì)較多的方向走。 蟻群搜索法 一個(gè)簡單蟻群算法包括如下步驟： 1. 初始化。問題參數(shù)用一實(shí)數(shù)來編碼。每一步搜索前，蟻群的初始種群（巢）在可行域內(nèi)隨機(jī)產(chǎn)生，并且將在半徑不大于 R的不同方向上爬行。 2. 評(píng)價(jià)。所有螞蟻的適應(yīng)度利用目標(biāo)函數(shù)來評(píng)價(jià)。 3. 增加蹤跡。按正比于螞蟻適應(yīng)度而在某一特定方向上增添蹤跡數(shù)量。 4. 派遣螞蟻。根據(jù)目標(biāo)函數(shù)，螞蟻的工作由適應(yīng)度來衡量，而這個(gè)適應(yīng)度直接影響螞蟻已選擇特定方向上增加的蹤跡數(shù)量水平。每一螞蟻選擇移動(dòng)到下一節(jié)點(diǎn)必須考慮兩個(gè)參數(shù)：節(jié)點(diǎn)的可見性和由其他螞蟻留下的蹤跡密度。派遣過程基于蹤跡密度和可視性利用競(jìng)爭(zhēng)選擇在選定方向上派遣螞蟻。 5. 揮發(fā)。最后，由一個(gè)螞蟻留下的荷爾蒙蹤跡最終將揮發(fā)，并且始發(fā)點(diǎn)（巢）也隨著最優(yōu)路徑的發(fā)現(xiàn)而更新。 蟻群搜索法（ ACS）的主要特點(diǎn)：正反饋、分布式計(jì)算以及貪婪式啟發(fā)搜索。正反饋可快速尋找好的解，分布式計(jì)算避免早熟收斂，并且貪婪式啟發(fā)搜索有助于在搜索過程早期就尋求到可行解。還有很多有益工作要做，尤其是提高計(jì)算效率。 蟻群搜索法 粒子群算法 1 1 2 2( 1 ) ( ) ( ) ( ( ) ( ) ) ( ) ( ( ) ( ) )ij ij j ij ij j gj ijv t w v t c r t p t x t c r t p t x t? ? ? ? ? ?( 1 ) ( ) ( 1 )ij ij ijx t x t v t? ? ? ?（ ） （ ） （ 1）起源 ：源于生物社會(huì)學(xué)家對(duì)鳥群捕食行為的研究， 1995年 Eberhart和 Kennedy博士提出； （ 2）原理： 可以設(shè)想這樣一個(gè)場(chǎng)景：一群鳥在某個(gè)區(qū)域隨機(jī)搜索食物，該區(qū)域只有一塊食物。所有的鳥都不知道食物的位置，但它們知道當(dāng)前誰離食物最近。那么，對(duì)于任一鳥而言，找到食 物的最佳策略是搜尋距離食物最近的那只鳥周圍的區(qū)域以及根據(jù)自身的搜尋經(jīng)驗(yàn)判斷食物的所在。 粒子群算法 算法流程圖： Hopfield的主要思想是保證每一模式位于能量面的谷底，于是允許動(dòng)態(tài)過程來最小化網(wǎng)絡(luò)能量并使這個(gè)谷成為盆底。 利用 Hopfield網(wǎng)絡(luò)求解電力系統(tǒng)最優(yōu)化問題時(shí)， Hopfield網(wǎng)絡(luò)的能量函數(shù)必須設(shè)成需要最小化的某些目標(biāo)函數(shù)。由 Hopfield網(wǎng)絡(luò)實(shí)現(xiàn)一個(gè)最小化能量的搜索等效于搜索最優(yōu)問題的解。通過從不同神經(jīng)元反饋將約束條件映射到網(wǎng)絡(luò)中（計(jì)算最優(yōu)化變量）來對(duì)神經(jīng)元進(jìn)行約束（計(jì)算約束函數(shù)）。因此，關(guān)鍵是把電力系統(tǒng)最優(yōu)化問題用公式表示成它的目標(biāo)函數(shù)，利用之來創(chuàng)建 Hopfield網(wǎng)絡(luò)，即設(shè)定權(quán)值。一旦用這種方法表示這個(gè)問題，一種特殊類型并行算法必須創(chuàng)建。必須清楚的是，這個(gè)公式化方法必須是面向應(yīng)用的。 神經(jīng)網(wǎng)絡(luò) 隸屬度表明滿足目標(biāo)的程度。隸屬度越大，滿足解的程度越大。約束條件也利用水平集來模糊化替代，例如，電壓極限可以模糊化在 [0,1]之間，如下圖所示。一個(gè)運(yùn)行在安全范圍內(nèi)的電壓具有隸屬度 下限，隸屬度將減少直到變?yōu)?。 電壓的隸屬度函數(shù) V μ Vmax 1 Vmin 模糊規(guī)劃 優(yōu)點(diǎn) ： （ 1）模糊集更能準(zhǔn)確地表示電力系統(tǒng)的運(yùn)行約束； （ 2）模糊化約束條件比傳統(tǒng)的更軟性化，即最后解更趨向于在正常約束范圍內(nèi)。 模糊集理論的突出特點(diǎn)是能夠處理“模糊”信息。它在優(yōu)化領(lǐng)域的最成功應(yīng)用是其將實(shí)際問題和其他優(yōu)化技術(shù)之間建立一個(gè)橋梁。 模糊規(guī)劃 ?SA和 GA相結(jié)合方法 將 SA和 GA相結(jié)合的方法的目的是將 GAs的基本思想引入到 SA算法中以達(dá)到并行SAs的效果。而在 GA的算法中將 SA概念用做隨機(jī)元素。 ?GA與局部搜索相結(jié)合方法 主要是克服 GA算法矛盾和這周和折衷問題，故根據(jù)具體研究對(duì)象相關(guān)知識(shí)而指導(dǎo)搜索。通常，混合方法會(huì)并入其他鄰域搜索技術(shù)的基本思想。 ?模糊邏輯和 GA相結(jié)合方法 基于模糊邏輯方法可提出更先進(jìn)的基因算子以在演化過程中來自適應(yīng) /動(dòng)態(tài)地調(diào)整交叉和變異。例如，交叉概率的啟發(fā)式更新原理是當(dāng)種群平均適應(yīng)度的變化大于 0并在下一代中保持同一值時(shí)應(yīng)增加交叉概率。否則減小交叉概率。 混合方法 數(shù)學(xué)最優(yōu)化方法的缺點(diǎn)： ?僅產(chǎn)生一個(gè)解 ?問題的公式化描述必須滿足數(shù)學(xué)約束條件 ?需要先進(jìn)的計(jì)算算法 ?可能遇到數(shù)值問題 啟發(fā)式最優(yōu)化方法的缺點(diǎn) ?缺少基礎(chǔ)理論 ?沒有精確的終止規(guī)則 ?需要更長的計(jì)算時(shí)間 數(shù)學(xué)最優(yōu)化方法的優(yōu)點(diǎn)： ?能保證收斂性 ?基于數(shù)學(xué)分析 ?好的終止規(guī)則 ?解的附加信息 ?能有效計(jì)算 啟發(fā)式最優(yōu)化算法的優(yōu)點(diǎn) ?尋找全局最優(yōu)解 ?能產(chǎn)生一定數(shù)量可行解 ?解決用數(shù)學(xué)公式不能表述的問題 ?相對(duì)更易編程實(shí)現(xiàn) ?數(shù)值魯棒性 啟發(fā)式優(yōu)化算法與數(shù)學(xué)優(yōu)化方法 謝謝觀看 /歡迎下載 BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAIT