作為一個(gè)重要的科學(xué)分支，它一直受到人們的廣泛重視，并在諸多工程領(lǐng)域得到迅速推廣和應(yīng)用，如系統(tǒng)控制、人工智能、模式識(shí)別、生產(chǎn)調(diào)度、vlsi技術(shù)和計(jì)算機(jī)工程等。鑒于實(shí)際工程問(wèn)題的復(fù)雜性、約束性、非線(xiàn)性、多極小、建模困難等特點(diǎn)，尋求一種適合于大規(guī)模并行且具有智能特征的算法已成為有關(guān)學(xué)科的一個(gè)主要研究目標(biāo)和引人注目的研究方向。 20世紀(jì)80年代以來(lái)，一些新穎的優(yōu)化算法，如人工神經(jīng)網(wǎng)絡(luò)、混沌、遺傳算法、進(jìn)化規(guī)劃、模擬退火、禁忌搜索及其混合優(yōu)化策略等，通過(guò)模擬或揭示某些自然現(xiàn)象或過(guò)程而得到發(fā)展，其思想和內(nèi)容涉及數(shù)學(xué)、物理學(xué)、生物進(jìn)化、人工智能、神經(jīng)科學(xué)和統(tǒng)計(jì)力學(xué)等方面，為解決復(fù)雜問(wèn)題提供了新的思路和手段。這些算法獨(dú)特的優(yōu)點(diǎn)和機(jī)制，引起了國(guó)內(nèi)外學(xué)者的廣泛重視并掀起了該領(lǐng)域的研究熱潮，且在諸多領(lǐng)域得到了成功應(yīng)用。在優(yōu)化領(lǐng)域，由于這些算法構(gòu)造的直觀(guān)性與自然機(jī)理，因而通常被稱(chēng)作智能優(yōu)化算法(intelligent optimization algorithms)，或稱(chēng)現(xiàn)代啟發(fā)式算法(modern heuristic algorithms)。
為了使系統(tǒng)達(dá)到最優(yōu)的目標(biāo)所提出的各種求解方法稱(chēng)為最優(yōu)化方法。最優(yōu)化在運(yùn)籌學(xué)和管理科學(xué)中起著核心作用。最優(yōu)化通常是極大或極小化某個(gè)多變量的函數(shù)，并滿(mǎn)足一些等式或不等式約束。最優(yōu)化技術(shù)對(duì)社會(huì)的影響日益增加，應(yīng)用的種類(lèi)和數(shù)量快速增加。隨著計(jì)算機(jī)的發(fā)展，一些過(guò)去無(wú)法解決的復(fù)雜優(yōu)化問(wèn)題已經(jīng)能夠通過(guò)計(jì)算機(jī)來(lái)求得近似解。所以，計(jì)算機(jī)求解優(yōu)化問(wèn)題的方法研究也就顯得越來(lái)越重要了。對(duì)于簡(jiǎn)單的函數(shù)優(yōu)化問(wèn)題，經(jīng)典算法比較有效且能獲得函數(shù)的精確最優(yōu)解，但是對(duì)于具有非線(xiàn)性、多極值等特點(diǎn)的復(fù)雜函數(shù)及組合優(yōu)化問(wèn)題而言，經(jīng)典算法往往無(wú)能為力?；谙到y(tǒng)動(dòng)態(tài)演化的算法及基于此類(lèi)算法而構(gòu)成的混合型算法又可稱(chēng)為智能優(yōu)化算法。
群智能算法
隨著人們對(duì)生命本質(zhì)的不斷了解，生命科學(xué)正以前所未有的速度迅猛發(fā)展，使人工智能的研究開(kāi)始擺脫經(jīng)典邏輯計(jì)算的束縛，大膽探索起新的非經(jīng)典計(jì)算途徑。在這種背景下，社會(huì)性動(dòng)物(如蟻群、蜂群、鳥(niǎo)群等)的自組織行為引起了人們的廣泛關(guān)注，許多學(xué)者對(duì)這種行為進(jìn)行數(shù)學(xué)建模并用計(jì)算機(jī)對(duì)其進(jìn)行仿真，這就產(chǎn)生了所謂的“群智能”。社會(huì)性動(dòng)物的妙處在于：個(gè)體的行為都很簡(jiǎn)單，但當(dāng)它們一起協(xié)同工作時(shí)，卻能夠“突現(xiàn)”出非常復(fù)雜(智能)的行為特征。例如，單只螞蟻的能力極其有限，但當(dāng)這些簡(jiǎn)單的螞蟻組成蟻群時(shí)，卻能完成像筑巢、覓食、遷徙、清掃蟻巢等復(fù)雜行為;一群行為顯得盲目的蜂群能造出精美的蜂窩;鳥(niǎo)群在沒(méi)有集中控制的情況下能夠同步飛行等。在這些自組織行為中，又以蟻群在覓食過(guò)程中總能找到一條從蟻巢到食物源的最短路徑最為引入注目。群智能算法作為一種新興的演化計(jì)算技術(shù)，已成為越來(lái)越多研究者的關(guān)注焦點(diǎn)，它與人工生命，特別是進(jìn)化策略以及遺傳算法有著極為特殊的聯(lián)系。群智能算法研究領(lǐng)域主要有兩種算法：蟻群算法和粒子群優(yōu)化算法。
蟻群算法：是對(duì)螞蟻群落食物采集過(guò)程的模擬，已成功應(yīng)用于許多離散優(yōu)化問(wèn)題。通過(guò)對(duì)螞蟻復(fù)雜的社會(huì)行為的研究.科學(xué)家們發(fā)現(xiàn)基于其行為模式的模型可以用來(lái)求解復(fù)雜的組合優(yōu)化問(wèn)題。為了解決計(jì)算機(jī)科學(xué)中的最短路徑問(wèn)題，基于螞蟻行為特征所發(fā)展起來(lái)的算法演變成一個(gè)被廣泛認(rèn)可并非常成功的新的研究領(lǐng)域--蟻群優(yōu)化(aco)。
粒子群優(yōu)化算法：起源于對(duì)簡(jiǎn)單社會(huì)系統(tǒng)的模擬，最初是模擬鳥(niǎo)群覓食的過(guò)程，但后來(lái)發(fā)現(xiàn)它是一種很好的優(yōu)化工具。粒子群優(yōu)化算法(particle swarm optimization,pso)又翻譯為粒子群算法、微粒群算法、或微粒群優(yōu)化算法。是通過(guò)模擬鳥(niǎo)群覓食行為而發(fā)展起來(lái)的一種基于群體協(xié)作的隨機(jī)搜索算法。
遺傳算法
遺傳算法是模擬生物在自然環(huán)境中優(yōu)勝劣汰、適者生存的遺傳和進(jìn)化過(guò)程而形成的一種具有自適應(yīng)能力的，全局性的概率搜索算法。遺傳算法將問(wèn)題的每一個(gè)可能性解看作是群體中的一個(gè)個(gè)體(染色體)，并將每一個(gè)染色體編碼成串的形式，再根據(jù)預(yù)定的目標(biāo)函數(shù)對(duì)每個(gè)個(gè)體進(jìn)行評(píng)價(jià)，給出一個(gè)適應(yīng)值。算法將根據(jù)適應(yīng)度值進(jìn)行它的尋優(yōu)過(guò)程。遺傳算法的尋優(yōu)過(guò)程是通過(guò)選擇、雜交和變異三個(gè)遺傳算子來(lái)具體實(shí)現(xiàn)的。