蚁群算法与粒子群算法

① 有关粒子群算法，蚁群算法书籍

1 粒子群算法及应用

作者 纪震，廖惠连，吴青华着
出版社 科学出版社
出版时间 2009-1-1
2 粒子群优化算法
作者 李丽，牛奔着
出版社 冶金工业出版社
出版时间 2009-10-1
。。。

此外你还可以看看关于：近似算法，优化算法，智能算法一类的书籍

② 在进化算法中（例如遗传算法，粒子群算法，蚁群算法等），适应度的函数评价次数是如何计算的

这个要根据你计算适应度的次数来看了！
例如在CA中，你用轮盘赌选择法进行个体选择，
你每一条染色体都要计算其适应度，则应该需要计算（种群规模G）次。

③ 现在模拟退火算法、粒子群优化算法、遗传算法和蚁群优化算法现在用的还多吗

我是人工智能的小白，不能告诉你这几个算法是否是人工智能，不过碰巧多年前学习优化算法时，接触过这些算法。在这里分享几个关于算法的故事吧。

货郎担问题

有个快递小哥要跑遍全城送货，您打算帮他规划一条最短的路线。该怎么做呢，最直接的办法是穷举法。罗列出所有可能的线路，计算出每条线路的距离，寻求最短的路径。看起来很简单吧。可是在实际的路网上，路线组合是非常多的。如果有15个目的地，组合的数量至少是15的阶乘。更何况还要考虑路况，收费免费，时间段等各种条件的组合，这样的计算量恐怕是量子计算机也不能在可接受的时间里完成。这象是对条件不足多元方程组求解，要从无穷多的解中找出最接近期望值的解。于是，人们想出了许多快速逼近最优解的办法。

蚂蚁算法

蚂蚁出来觅食时，先是向四面八方出动，发现食物的蚂蚁会掉头回来通知其它的蚂蚁。接到通知的蚂蚁就会向食物的方向移动。蚂蚁移动时会在路线上留下气味。这样在通向食物的路线上气味就越来越浓，后面的蚂蚁不用直接接到信息，只要追着最浓的气味就可以找到食物。人们受到这个现象的启发，设立出来先按随机条件计算，在小范围内找到局部最优解之后，就为这些条件加分。一定时间后就围绕着分数高的条件计算，不断反复后得到的解被当作近似最优解。这就是蚂蚁算法的原理。

神经网络

和蚂蚁算法类似，人的记忆是通过神经元的突出建立起联系实现的。类似的刺激会使联系增强。达到一定刺激量之后，就可以形成长久的记忆。模仿这一过程，人们把各种约束条件当作神经元，随机选取路线，输入各种条件，当路径倾向于缩短时，就按照权重给各条件加分，反之就给条件减分，然后，根据分数，以最有利于优化的条件为主重新选择路线，反复该过程直到达到边界条件时，就认为得到了近似最优解。遗传算法，模拟退火算法，也都是用一定的方法，缩小计算范围，通过求局部最优解逼近最优解的。就不啰嗦了。

人工智能和优化算法

优化算法实际上是从早期人工智能的研究发展起来的，从这个意义上说，这些算法也可以说是人工智能吧。

④ 鸡群优化算法是什么意思 和蚁群、粒子群优化算法有什么区别

蚁群算法和粒子群最大的区别是蚁群算法多一个信息素更新的过程，粒子群搜索速度更快！

⑤ 云计算资源分配算法有哪些目前比较成熟的是不是只有蚁群算法和粒子群算法

目前产品上用得较多的，还是随机、轮转等算法。

⑥ 蚁群算法 遗传算法 粒子群算法 哪个简单

粒子群最简单，10分钟就能写出来。速度矢量有公式，知道当前鸟的坐标，当前鸟搜索的最优坐标，所有鸟搜索的最优坐标这三个东西，可以根据速度矢量，直接得到当前鸟的下一个要搜索的坐标。