文献综述
智能优化算法是一类通过模拟某一自然现象或过程而建立起来的优化方法rsquo;这类算法包括进化算法、粒子群算法、禁忌搜索、分散搜索、模拟退火、人工免疫系统和蚁群算法等。和传统的数学规划法相比，智能优化算法更适合求解多目标优化问题。首先，大多数智能优化算法能同时处理一组解，算法每运行一次，能获得多个有效解。其次，智能优化算法对Pareto最优前端的形状和连续性不敏感，能很好地逼近非凸或不连续的最优前端。目前，智能优化算法作为一类启发式搜索算法，已被成功应用于多目标优化领域，出现了一些热门的研究方向，如进化多目标优化，同时，多目标智能优化算法在电力系统、制造系统和控制系统等方面的应用研究也取得了很大的进展。
同时群体智能优化算法是一种近年来新兴的优化方法，是受到关注最多的优化领域之一，也是人工智能界的一个重要研究方向。其模拟各种社会性动物的群体行为，利用群体中个体之间的信息交互与合作来实现寻优目的。与其它类型的优化方法相比，其具有实现简单、效率较高等优点，目前已经被广泛地应用到了函数优化问题、组合优化问题、人工生命、自动控制、机器学习等各个领域当中。
优化问题按照不同的分类标准可划分为不同类型：按有无约束条件可分为无约束优化和约束优化；按目标函数的个数可分为单目标优化和多目标优化；按变量取值特征可分为离散变量优化和连续变量优化。对于 不同类型的优化问题，需研究具有不同特征的算法以实现对目标问题的科学、高效求解。这也一直是国内控制科学、机械工程、应用数学、运筹学、系统科学、经济学、计算机科学等学科的研究热点。而机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
[1]候芸.群体智能优化算法在文本聚类中的应用研究[D]. 西安交通大学,2007.
[2]欧世峰，高颖，赵晓晖.基于随机梯度的变动量因子自适应白化算法[J].自动化学报，2012，38（8）：1370-1374.
[3]Stephen Boyd.Convex Optimization[M].北京：清华大学出版社，2013，61-167.
[4]余建平，周新民，陈明.群体智能典型算法研究综述[J].计算机工程与应用，2010，46（25）：1-4，74.
[5]马宪民，刘妮.自适应视野的人工鱼群算法求解最短路径问题[J].通信学报，2014，35（1）：1-6.
