根据这个网站:http: //yarpiz.com/67/ypea104-acor(在网站上提到这是一个旨在成为学术和专业科学源代码和教程资源的项目。):
“最初,蚂蚁算法用于解决离散和组合优化问题。提出了蚁群优化 (ACO) 的各种扩展来处理在连续域中定义的优化问题。这种类型中最有用的算法之一是 ACOR ,连续域的蚁群优化,由 Socha 和 Dorigo 于 2008 年提出(此处)。”
连续域和离散组合优化有什么区别?如果您还可以为每种类型提及一些示例,我将不胜感激。
根据这个网站:http: //yarpiz.com/67/ypea104-acor(在网站上提到这是一个旨在成为学术和专业科学源代码和教程资源的项目。):
“最初,蚂蚁算法用于解决离散和组合优化问题。提出了蚁群优化 (ACO) 的各种扩展来处理在连续域中定义的优化问题。这种类型中最有用的算法之一是 ACOR ,连续域的蚁群优化,由 Socha 和 Dorigo 于 2008 年提出(此处)。”
连续域和离散组合优化有什么区别?如果您还可以为每种类型提及一些示例,我将不胜感激。
连续域可以想象成一个空间,其中坐标系的轴是连续域的参数。如果我们以二维笛卡尔空间为例,它是一个连续域,在这个空间中放置一个对象有无限的可能性。让我们称对象的位置为状态。将空间限制为例如一张纸不会改变其连续性。在那张纸上放置一个点(或任何对象)的可能性仍然是无限的,或者换句话说,点的状态空间仍然非常大。
计算方法在处理离散空间方面要好得多(主要是因为下一步的可能性是有限的)。在离散空间中,可能性是有限的。如果我们以上面的例子对这张纸进行离散化,例如在纸上使用一个网格,并说我们对点的确切位置不感兴趣,只要它在哪个网格中,我们就成功地定义了一个离散空间。
离散域中问题的另一个示例可以是地图上的导航。如果我们假设确切的轨迹并不重要,那么我们可以做出左转、右转或向前或向后移动一步的决定。即使添加更多的可能性(比如向上或向下移动一步)直到一种状态下的可能性数量不是无限的,域也是离散的。