现代智能优化算法概述（0）
本系列文章脱胎于一门一学期40学时的数学系课程（已完结）——现代智能优化算法，用来满足一下我长达几年的好奇心（没错，第一次认识智能优化算法中的遗传算法是在大二的时候，当时我们正在完成一个基于C语言的五子棋对战程序）。本系列文章会包括以下几个算法，并给出基于python3的代码实例，不依赖numpy等其他的库，只使用到了python3原生支持的数据结构（主要是list），使用matplotlib绘图库进行必要的图片绘制。
[*]遗传算法
[*]首先介绍遗传算法基本原理、子模块、算法流程
[*]应用：介绍基于遗传算法的一维、二维优化问题，实现一个维度无关的算法框架；深入分析遗传算法实现TSP问题，给出三种编码实现（分别是路径编码、邻近编码、次序编码）；遗传算法解决组合优化的经典优化问题——最小生成树问题（领略编码构造的精湛智慧）
2. 禁忌搜索
[*]介绍禁忌搜索的基本原理，算法流程
[*]应用：应用禁忌搜索算法解决TSP问题，分析禁忌表的作用与参数调节
3. 模拟退火
[*]介绍模拟退火算法基本原理、收敛性、算法流程
[*]应用：使用模拟退火算法解决TSP问题；使用模拟退火算法解决著名的锦标赛排序问题，给出完整的建模方法、邻居选择、适值函数证明、调参分析。
4. 蚁群算法
[*]介绍蚁群算法的基本原理、算法流程
[*]应用：使用蚁群算法实现0-1背包问题
5. 粒子群算法
[*]介绍粒子群算法基本原理、算法流程
[*]应用：使用粒子群算法解决VPR问题
PS：为什么叫现代智能优化算法概述呢？因为没有包括现代智能优化算法最最重要的一个分支——人工神经网络（ANN），这也是人工智能连结主义学派的研究方向。这半部分内容我打算再开一个系列单独讲解。
以上~Have fun！
本文章与后续文章的代码与项目地址在下面： 期待[赞]
页:
[1]