经验杂谈-浅谈智能算法

序.

雪域祝您圣诞节快乐

知乎上有个热帖: 越来越多的群体智能算法（蛙跳算法、猫群算法、蟑螂算法等等）有存在的必要吗？

https://www.zhihu.com/question/22752108

浏览量9万多，下面的回答者身份各异，都从自己的角度回答了这一问题。我结合自己的经验，简单谈谈对此的理解.

认识部分

如果你总问我说这个“越来越多的群体智能算法（蛙跳算法、猫群算法、蟑螂算法等等）有存在的必要吗？”，一字以蔽之，当然是“有”。 如知乎ID留德华叫兽所言，“智能算法方向通常被设置在计算机系（与人工智能师出同门），但因为其被广泛应用在解决运筹学问题。”数学上，我们的NDhard问题目前无法在多项式时间范围内求解，但是在数据规模比较大的前提下，工程上往往需要“高效”和“近似”。实际问题中，迭代次数是可以设置的，收敛准则是可以设置的，这些保证了算法在时间上是可控的，得不到精确解，得到个近似解已经满足要求了。 至于知乎上的一些回答认为“群智能算法纯属懵猜”的，我认为毫无道理。例如，“我看到今天天阴，推断明天可能会下雨”与“我对任何条件一无所知，但是明天会下雨”类似，前者是理性推测，后者是无端猜测。以粒子群为例，我通过历史最佳和全局最佳推断最优解可能的方向，这种并非毫无道理。我也不赞同把群智能算法神化，毕竟这些算法还留有很多待解决的问题。这也是如此多的群算法没有广泛应用的原因。

技术相关

Q & A Q: 群智能算法有效？A: 除了某些经典算法（遗传算法GA，粒子群算法PSO）,大部分群智能算法的提出者和研究者只给了算法流程和算例，并没有严格的证明。从实践效果来讲，算法对于单峰数据基本有效;对于多峰数据，基本有效。不过维度不宜过多，实验尝试，数据维度应当小于5个，否则可能达不到最优值[1]。在编码范围的值中，无效值(可能因为其他约束导致或者不在定义域范围内等原因)不应该超过总编码数量的1/3。

Q: 你对XXX(一个新智能算法)有什么看法？A：1.实践效果不能说明一切。毕竟一个效果好不能代表全部。 2.不鼓励在舍弃巨人肩膀的前提下进行天马行空的脑洞。

Q: 如何“创造”一个新的智能算法？或者说，一个智能算法需要满足的条件有哪些？ A：1. 智能算法需要确定可行域(系统边界) 2. 智能算法应迭代寻优。此处的寻优应满足局部搜索能力和全局搜索能力。 3. 概率收敛 一般来说，没有做到这两点的算法往往具有设计上的缺陷。

实现相关

推荐几个比较好用的工具:

1. jMetal java实现的单/多目标优化https://github.com/jMetal/jMetal

2. Platypus python实现的目标优化https://github.com/Project-Platypus/Platypus

3. snowland-algorithm python实现的单目标优化(推一波自己的代码，嘿嘿)https://gitee.com/hoops/snowland-algorithm-python

4. geatpy python实现的GA多目标优化https://github.com/geatpy-dev/geatpy

5. gaft python实现的遗传算法框架https://github.com/PytLab/gaft

[1]: 码云 snowland-algorithm-python

https://gitee.com/hoops/snowland-algorithm-python/blob/v0.0.7-dev/slapy/swarm/README.md