蟻群演算法與粒子群演算法

① 有關粒子群演算法，蟻群演算法書籍

1 粒子群演算法及應用

作者 紀震，廖惠連，吳青華著
出版社 科學出版社
出版時間 2009-1-1
2 粒子群優化演算法
作者 李麗，牛奔著
出版社 冶金工業出版社
出版時間 2009-10-1
。。。

此外你還可以看看關於：近似演算法，優化演算法，智能演算法一類的書籍

② 在進化演算法中（例如遺傳演算法，粒子群演算法，蟻群演算法等），適應度的函數評價次數是如何計算的

這個要根據你計算適應度的次數來看了！
例如在CA中，你用輪盤賭選擇法進行個體選擇，
你每一條染色體都要計算其適應度，則應該需要計算（種群規模G）次。

③ 現在模擬退火演算法、粒子群優化演算法、遺傳演算法和蟻群優化演算法現在用的還多嗎

我是人工智慧的小白，不能告訴你這幾個演算法是否是人工智慧，不過碰巧多年前學習優化演算法時，接觸過這些演算法。在這里分享幾個關於演算法的故事吧。

貨郎擔問題

有個快遞小哥要跑遍全城送貨，您打算幫他規劃一條最短的路線。該怎麼做呢，最直接的辦法是窮舉法。羅列出所有可能的線路，計算出每條線路的距離，尋求最短的路徑。看起來很簡單吧。可是在實際的路網上，路線組合是非常多的。如果有15個目的地，組合的數量至少是15的階乘。更何況還要考慮路況，收費免費，時間段等各種條件的組合，這樣的計算量恐怕是量子計算機也不能在可接受的時間里完成。這象是對條件不足多元方程組求解，要從無窮多的解中找出最接近期望值的解。於是，人們想出了許多快速逼近最優解的辦法。

螞蟻演算法

螞蟻出來覓食時，先是向四面八方出動，發現食物的螞蟻會掉頭回來通知其它的螞蟻。接到通知的螞蟻就會向食物的方向移動。螞蟻移動時會在路線上留下氣味。這樣在通向食物的路線上氣味就越來越濃，後面的螞蟻不用直接接到信息，只要追著最濃的氣味就可以找到食物。人們受到這個現象的啟發，設立出來先按隨機條件計算，在小范圍內找到局部最優解之後，就為這些條件加分。一定時間後就圍繞著分數高的條件計算，不斷反復後得到的解被當作近似最優解。這就是螞蟻演算法的原理。

神經網路

和螞蟻演算法類似，人的記憶是通過神經元的突出建立起聯系實現的。類似的刺激會使聯系增強。達到一定刺激量之後，就可以形成長久的記憶。模仿這一過程，人們把各種約束條件當作神經元，隨機選取路線，輸入各種條件，當路徑傾向於縮短時，就按照權重給各條件加分，反之就給條件減分，然後，根據分數，以最有利於優化的條件為主重新選擇路線，反復該過程直到達到邊界條件時，就認為得到了近似最優解。遺傳演算法，模擬退火演算法，也都是用一定的方法，縮小計算范圍，通過求局部最優解逼近最優解的。就不啰嗦了。

人工智慧和優化演算法

優化演算法實際上是從早期人工智慧的研究發展起來的，從這個意義上說，這些演算法也可以說是人工智慧吧。

④ 雞群優化演算法是什麼意思 和蟻群、粒子群優化演算法有什麼區別

蟻群演算法和粒子群最大的區別是蟻群演算法多一個信息素更新的過程，粒子群搜索速度更快！

⑤ 雲計算資源分配演算法有哪些目前比較成熟的是不是只有蟻群演算法和粒子群演算法

目前產品上用得較多的，還是隨機、輪轉等演算法。

⑥ 蟻群演算法 遺傳演算法 粒子群演算法 哪個簡單

粒子群最簡單，10分鍾就能寫出來。速度矢量有公式，知道當前鳥的坐標，當前鳥搜索的最優坐標，所有鳥搜索的最優坐標這三個東西，可以根據速度矢量，直接得到當前鳥的下一個要搜索的坐標。