【摘要】：当算法终止后，智能优化选择当前种群中适应值最大的个体作为问题的解。虽然在最高层次上智能优化算法的基本结构是相似的，但实现算法的方式有许多种，不同的实现方式导致不同的智能优化算法。不同智能优化算法的差异体现在各个方面，包括个体结构表示的选择、所使用的选择策略、遗传算子的形式、对个体的评估方式等。
智能优化有许多不同的模型，但所有模型的一个共同特点是：求解问题的过程也就是模拟大自然生物进化的过程。智能优化模仿自然进化过程，在求解问题的过程中，保持一个个体的种群，每个个体表示问题的一个可能的解，可按照某个适应度函数来评估该种群中的个体对环境的适应程度，通过选择和其他的遗传算子的作用，种群中的个体通过相互交换基因信息和创建新的基因信息来使种群向平均适应值更高的种群进化，这样经过若干代之后，算法收敛于问题的最优解或近似最优解。
算法1-1描述了一个典型的智能优化算法的基本结构。
算法1-1 智能优化算法的基本结构(www.xing528.com)
虽然在最高层次上智能优化算法的基本结构是相似的，但实现算法的方式有许多种，不同的实现方式导致不同的智能优化算法。不同智能优化算法的差异体现在各个方面，包括个体结构表示的选择、所使用的选择策略、遗传算子的形式、对个体的评估方式等。下面讨论由于这些变化而得到的几个主要的智能优化算法。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
