大学智能优化算法有哪些

大学智能优化算法主要包括以下几种：

遗传算法 （GA）：

模拟自然界中优胜劣汰的进化规律，通过选择、交叉和变异等操作实现种群的整体进步，最终找到最优解。

蚁群算法：

基于蚂蚁觅食行为的优化算法，通过模拟蚂蚁在搜索食物时的信息传递和协作行为来寻找最优路径或解。

禁忌搜索算法：

通过记录已搜索过的解，避免重复搜索，从而提高搜索效率。

模拟退火算法：

模拟物理中的退火过程，通过控制温度的升降来避免陷入局部最优解，逐步逼近全局最优解。

粒子群算法 （PSO）：

模拟鸟群或鱼群觅食行为，通过个体和群体的协作来寻找最优解。

神经网络优化算法：

利用神经网络的联想和记忆能力来进行优化搜索，适用于复杂的非线性问题。

混沌搜索算法：

模拟混沌系统的随机性和遍历性，通过混沌映射产生新的解，增加搜索的多样性。

群体智能算法：

包括布谷鸟搜索、哈里斯鹰群算法、黏菌算法、灰狼优化算法、蜂群捕食算法、鲸鱼优化算法等，通过模拟不同生物群体的智能行为来进行优化搜索。

仿人类的优化算法：

如教学优化算法、和声搜索算法、群搜索优化算法、内部搜索算法、矿井爆破算法、社会群优化算法、免疫算法和思维进化算法等，通过模拟人类行为系统来进行优化搜索。

仿自然的优化算法：

包括基于物体间引力和质量的优化算法（如引力搜索算法）、基于鲸鱼社会行为的优化算法（如鲸鱼优化算法）、基于鸟群觅食行为的优化算法（如群搜索算法）等。

这些智能优化算法各有其独特的特点和应用场景，可以根据具体问题的性质选择合适的算法进行求解。