跳至主要內容
Goat_Yang
首页
AI 与算法
基础与方法
通识基础
参数设置分析方法
非学习类算法
具体问题与案例
机器学习与研究
机器学习
深度学习
迁移学习
强化学习
智能优化
优化基础与算法
前沿算法与框架
基准测试与竞赛
AI 应用
知识与检索
知识图谱
检索增强生成(RAG)
智能体系统
Agent 设计
记忆系统
提示词工程
工具与实践
Agent 客户端与工具
Skills、MCP 与插件
AI 应用话题
论文随笔
随笔
数学建模专题
数学随记
信号处理
计算机随记
程序设计语言随笔
前端随笔
海克斯麻将
音乐
软件工具
版本控制
Git
系统与容器
Linux
Docker
开发与远程工具
VSCode
远程连接与控制
文档与知识管理
论文管理与知识库构建
LaTeX
开源项目推荐
外站
简体中文
English
搜索
Ctrl
K
智能优化
Goat_Yang
2026/9/18
约 55 字
小于 1 分钟
智能优化利用演化、群体协作与学习机制,在复杂问题中搜索满足目标和约束的解。
目录
智能优化算法指南
分类思维导图
其他优化技巧
LHS 采样
人工免疫系统算法
否定选择算法(NSA)
克隆选择算法(CLONALG)
动态克隆选择(DCS)
免疫网络算法(INA)
人工免疫识别系统(AIRS)
树突状细胞算法(DCA)
小生境遗传算法
拥挤因子法(CF)
确定性拥挤法(DC)
概率拥挤法(PC)
受限锦标赛选择拥挤法(RTS)
适应度共享(FS)
清除法(CGA)
序贯小生境法(SN)
动态小生境共享(DNS)
动态小生境聚类(DNC)
小生境半径自适应(NRA)
协同进化共享小生境(CSN)
新颖性搜索算法
新颖性搜索算法(NS)
带局部竞争的新颖性搜索(NSLC)
兼顾质量的新颖性搜索(NSQ)
约束新颖性搜索(CNS)
表型精英多维档案(MAP-Elites)
照明算法(IA)
物理启发优化算法
模拟退火(SA)
极值优化(EO)
和声搜索(HS)
文化算法(CA)
模因算法(MA)
蚁群优化算法
蚂蚁系统(AS)
精英蚁群系统(EAS)
基于排序的蚁群系统(RBAS)
最大-最小蚁群系统(MMAS)
最优-最劣蚁群系统(BWAS)
蚁群系统(ACS)
快速蚁群系统(FANT)
Ant-Q
优化基础理论知识
优化理论
智能优化算法的分类
优化问题的分类
基于模型方法 VS 非基于模型方法
随机优化算法
随机搜索(RS)
自适应随机搜索(ARS)
随机爬山算法(SHC)
带随机重启的随机爬山算法(SHCR)
禁忌搜索(TS)
反应式禁忌搜索(RTS)
迭代局部搜索(ILS)
变邻域搜索(VNS)
引导式局部搜索(GLS)
贪婪随机自适应搜索(GRASP)
分散搜索(SS)
遗传算法
遗传算法(GA)
排序选择遗传算法(RSGA)
适应度缩放遗传算法(FSGA)
稳态遗传算法(SSGA)
精英遗传算法(EGA)
实数编码遗传算法(RCGA)
微型遗传算法(μGA)
元胞遗传算法(CGA)
岛屿遗传算法(IGA)
杂乱遗传算法(Messy GA)
学习分类器系统(LCS)
非支配排序遗传算法(NSGA)
强度 Pareto 演化算法(SPEA)
遗传算法的算子
模拟二进制交叉算子(SBX)
多项式变异(PM)
锦标赛选择
差分进化算法
DE/rand/1/bin
DE/rand/1/exp
DE/best/1/bin
DE/best/1/z
DE/current-to-rand/1
自适应差分进化(ADE)
自适应差分进化(参数自适应,SaDE)
具有可选外部档案的自适应差分进化(JADE)
复合差分进化(CoDE)
粒子群优化
标准粒子群优化(SPSO)
全局最优粒子群优化(GBPSO)
局部最优粒子群优化(LBPSO)
惯性权重粒子群优化(IWPSO)
速度限制粒子群优化(VCPSO)
收缩因子粒子群优化(CFPSO)
裸粒子群优化(BBPSO)
自适应粒子群优化(APSO)
二进制粒子群优化(BPSO)
离散粒子群优化(DPSO)
动态多群粒子群优化器(DMS-PSO)
群智能算法
蜜蜂算法(BeA)
人工蜂群算法(ABC)
萤火虫算法(FA)
蝙蝠算法(BA)
布谷鸟搜索算法(CS)
细菌觅食优化算法(BFOA)
灰狼优化算法(GWO)
鲸鱼优化算法(WOA)
飞蛾扑火优化算法(MFO)
进化策略
进化策略(ES)
(1+1)-进化策略((1+1)-ES)
(μ+1)-进化策略((μ+1)-ES)
(μ,λ)-进化策略((μ,λ)-ES)
(μ+λ)-进化策略((μ+λ)-ES)
(μ/ρ +, λ)-进化策略((μ/ρ +, λ)-ES)
自适应进化策略(SA-ES)
自然进化策略(NES)
协方差矩阵自适应进化策略(CMA-ES)
分布估计算法
单变量边缘分布算法(UMDA)
基于种群的增量学习(PBIL)
紧凑遗传算法(cGA)
交叉熵方法(CEM)
双变量边缘分布算法(BMDA)
互信息最大化输入聚类算法(MIMIC)
因子分解分布算法(FDA)
扩展紧凑遗传算法(ECGA)
链接树遗传算法(LTGA)
贝叶斯优化算法(BOA)
分层贝叶斯优化算法(hBOA)
遗传规划
自动函数定义遗传规划(ADF-GP)
笛卡尔遗传规划(CGP)
遗传规划(GP)
树式遗传规划(TGP)
强类型遗传规划(STGP)
语法引导遗传规划(GGGP)
语法演化(GE)
线性遗传规划(LGP)
基因表达式编程(GEP)
多表达式编程(MEP)
基于栈的遗传规划(SBGP)
遗传网络规划(GNP)
进化算法
进化规划(EP)
前沿算法与框架
优化研究方向思维导图
基准测试与竞赛
CEC 年度资料索引
CEC 赛道与算法演进