6.智能计算及应用
2020-01-02 23:18:37 5 举报AI智能生成
人工智能导论第六章智能计算及应用知识摘要
作者其他创作
大纲/内容
智能计算及应用
群智能算法产生的背景
群体智能
简单个体组成的群落与环境以及个体之间的互动行为
群智能
受动物群体智能启发的算法
粒子群优化算法及其应用
基本原理
PSO算法是一种基于群智能理论的全局优化算法，通过群体中粒子间的合作与竞争产生的群体智能指导优化搜索
参数分析
PSO的参数
最大速度Vm
权重因子
位置更新方程中各部分的影响
参数设置
应用领域
神经网络训练
化工系统领域
电力系统领域
机械设计领域
通信领域
机器人领域
经济领域
图像处理领域
生物信息领域
医学领域
运筹学领域
车辆路径中的优化
车辆路径模型VRP
编码与初始种群
实验结果
蚁群算法及应用
模型
参数
随机比例规则
各路径信息素浓度消散规则
蚁群信息素浓度更新规则
三种模型
蚂蚁圈系统
蚂蚁数量系统
蚂蚁密度系统
参数选择
信息素启发因子
期望值启发因子
信息素挥发度
应用
柔性作业车间调度事例
求最优解
进化算法的产生与发展
进化算法的概念
基于自然选择和自然遗传等生物进化机制的一种搜索算法
进化算法的生物学背景
“适者生存”
竞争
变异
种群
群体
子群
婚配
进化算法的设计原则
适用性原则
可靠性原则
收敛性原则
稳定性原则
生物类比原则
基本遗传算法
遗传算法的基本思想
借用生物进化\"适者生存\"的规律
染色体对应数据或数组
编码
表现型到基因型的转换
解码
基因型到表现型 的转换
步骤
求解问题从多个解开始
通过一定的法则逐步迭代产生新解
多个解的集合称为种群P(t)
t为迭代步，演化代
在演化过程中，p(t)元素个数演化过程中保持不变
新解的父解
当前解
后代解
产生的新解
遗传算法的发展历史
1962年，Fraser提出和遗传算法十分相似的概念和思想
1965年，Holland首次提出了人工遗传操作的重要性
1967年，Holland的学生Bagley在博士论文中首次提出遗传算法这一术语并提出选择，交叉，遗传，变异等操作
1970年，Cavicchio将遗传算法应用于模式识别
1971年，Hollstien将遗传算法用于函数优化
1975年
J.Holland出版《自然系统和人工系统的适配》
阐述遗传算法的基本理论和方法
提出遗传算法理论研究和发展极为重要的模式理论
DeJong出版《遗传自适应系统的行为分析》
将模式理论与他的计算实验结合起来
提出遗传操作技术
位串编码
二进制编码
优点
与生物染色体结构类似
使得算法易于用生物遗传理论解释
使得遗传、交叉、变异等操作易于实现
算法处理模式最多
缺点
相邻整数的二进制编码可能具有较大的Hamming距离
算法缺少微调功能
求解高维优化问题时，二进制编码串将非常长，使算法搜索效率低
Gray编码
实数编码
多参数级联编码
群体设定
初始种群的产生
种群规模的确定
适应度函数
将目标函数映射为适应度函数的方法
适应度函数的尺度变换
线性变换
非线性变换
选择
个体选择概率分类方法
适应度比例方法
排序方法
克服了适应值比例选择策略的过早收敛或停滞的状态
线性排序
非线性排序
选择个体方法
轮盘赌法
锦标赛选择法
最佳个体保存法
交叉
基本的交叉算子
单点交叉
二点交叉
修正的交叉方法
位点变异
逆转变异
插入变异
互换变异
移动变异
遗传算法的一般步骤
随机产生N个染色体的初始群体
计算每个染色体的适应值
若满足条件，则停止算法若不满足条件，则以概率公式随机选择一些染色体构成一个新种群
以Pc概率进行交叉产生一些新的染色体，得到新的种群
以较小的概率Pm使染色体的一个基因发生变异
遗传算法的特点
直接对结构对象进行操作
利用随机技术指导参数空间进行高效搜索
具有较好的全局搜索性能
可以解决复杂的优化问题
遗传算法的改进算法
双倍体遗传算法
设计
编码/解码
复制算子
交叉算子
变异算子
双倍体遗传算法显隐性重排算子
基本思想
采用显性和隐性两个染色体同时进行进化
双种群遗传算法
编码\\解码设计
交叉算子、变异算子
杂交算子
多种群遗传算法使多种群同时进化，并交换种群之间优秀个体所携带的遗传信息，以打破种群之间的平衡态，达到更高的平衡态，有利于算法跳出局部最优
自适应遗传算法
使交叉概率Pc和变异概率Pm能够随适应度变化自动改变
自适应的交叉概率与变异概率
遗传算法的应用
流水车间调度问题
求解FSP的遗传算法设计
求解FSP的遗传算法实例
0 条评论
下一页
