一项关于生物仿真和智能算法的调查与应用
Hao Li1,2, Bolin Liao1, Jianfeng Li1
1College of Computer Science and Engineering, Jishou University, Jishou 416000, China.
Biomimetics (Basel, Switzerland)
|August 28, 2024
概括
本指南探讨了用于优化问题的智能算法. 它详细介绍了时间变化的问题和经典的生物启发方法,如遗传和粒子群算法等的神经网络 (ZNN) 的零化.
科学领域:
- 计算智能是一种计算智能.
- 优化算法优化算法
- 神经网络的神经网络的神经网络
背景情况:
- 智能算法受到自然现象的启发,以解决复杂的优化问题.
- 归零神经网络 (ZNN) 是一个专门的神经网络类别,旨在执行动态优化任务.
- 生物启发的算法,如遗传算法和粒子群优化,提供了解决问题的替代方法.
研究的目的:
- 为有兴趣将智能算法应用于优化问题的研究人员提供全面指南.
- 详细介绍零化神经网络 (ZNN) 的原理,变体和应用.
- 概述经典的生物灵感算法及其实际用途.
主要方法:
- 关于零神经网络 (ZNN) 的全面讨论,包括它们的起源,原则和机制.
- 引入基于性能指数的ZNN新型分类方法.
- 基因算法 (GA) 和粒子群优化 (PSO) 的概述,涵盖它们的设计和应用.
主要成果:
- 呈现了ZNN作为有效的工具来解决时间变化的优化问题.
- 一个新的分类方案提高了对适当的ZNN模型的理解和选择.
- 在不同领域展示情报算法的适用性.
结论:
- 智能算法,包括ZNN和生物启发方法,为各种优化挑战提供了强大的解决方案.
- 提出的分类方法有助于选择适合特定问题的ZNN.
- 该研究强调了这些算法在科学和工程领域的广泛应用.


