現(xiàn)代優(yōu)化算法(文件)
【正文】 必須考慮 多樣性 問(wèn)題。顯然這種搜索的效率是比較高的，但 參數(shù)設(shè)置 是一個(gè)需要認(rèn)真研究的問(wèn)題，涉及到 禁忌對(duì)象 、 禁忌長(zhǎng)度 、候選集合 、 評(píng)價(jià)函數(shù) 、 特赦規(guī)則 、 終止規(guī)則 等的合理確定。需要考慮的參數(shù)包括 初始溫度選取 、Markov鏈長(zhǎng)度 （ 平衡態(tài)判據(jù) ）、 溫度控制策略 、 終止條件 等。這種方法具有很強(qiáng)的全局搜索能力和較強(qiáng)的局部搜索能力，自動(dòng)嵌入有增加多樣性的算子（交叉和變異運(yùn)算），主要缺陷是容易出現(xiàn) “ 早熟 ” 。其中禁忌搜索、模擬退火屬于單點(diǎn)法，遺傳算法屬于多點(diǎn)法， Monte Carlo方法和多點(diǎn)隨機(jī)試探局部搜索法既可以以單點(diǎn)法方式進(jìn)行，也可以以多點(diǎn)法方式進(jìn)行。 ——《 現(xiàn)代信息技術(shù)理論與應(yīng)用 ——CIEYC39。 《 系統(tǒng)工程與電子技術(shù) 》 ， ,2022,7275. ? 遺傳算法平均截止代數(shù)和成功率與種群規(guī)模之間的關(guān)系。《 模式識(shí)別與人工智能 》 , 2022, 15(1):2835。 李金屏，牛業(yè)亭，盧剛?！?小型微型計(jì)算機(jī)系統(tǒng) 》 ， 2022， ， 。（ accepted） 39 38 課題組的工作 ——未來(lái)的工作 ? 現(xiàn)代全局性優(yōu)化算法研究 ——一個(gè)綜合性的研究、理論性研究 ? 浮點(diǎn)數(shù)編碼時(shí)遺傳算法和梯度下降法相結(jié)合中若干問(wèn)題的討論：局部鄰域結(jié)構(gòu)的討論 ? 模擬退火算法的綜合改進(jìn) ? 全局優(yōu)化算法的最新研究進(jìn)展綜合調(diào)研 ——蟻群算法、人工生命、免疫算法、粒子群算法等。李金屏，韓延彬，孫志勝。 ? 基于小生境算法和聚類(lèi)分析的快速收斂遺傳算法。 史奎凡，董吉文，李金屏，曲守寧，楊波。 《 系統(tǒng)仿真學(xué)報(bào) 》 (增刊 ),2022, , 206210. ? 提高 BP小波神經(jīng)網(wǎng)絡(luò)收斂速度的研究。 ——《 小型微型計(jì)算機(jī)系統(tǒng) 》 39 37 課題組的工作 ——Publications ? BP小波神經(jīng)網(wǎng)絡(luò)快速學(xué)習(xí)算法研究。 ——《 系統(tǒng)仿真學(xué)報(bào) 》 （增刊） ? 遺傳算法改進(jìn)：與正交試驗(yàn)法相結(jié)合 ——正交遺傳算法。其啟發(fā)信息在于選擇方式（直接影響以后搜索的區(qū)域）、個(gè)體信息交流（模式的優(yōu)化組合）等。 39 34 現(xiàn)代優(yōu)化算法 ——一些特例 ? 從可行域中的多個(gè)初始狀態(tài)（個(gè)體）出發(fā)進(jìn)行并行搜索，在搜索過(guò)程中個(gè)體之間 不斷交流信息 ，采用概率方式接受新個(gè)體，比如賭盤(pán)形式。 39 33 現(xiàn)代優(yōu)化算法 ——一些特例 ? 從可行域的某個(gè)初始狀態(tài)出發(fā)，按照符合一定概率分布的狀態(tài)轉(zhuǎn)移規(guī)則搜索最優(yōu)解，利用概率的方法接受新?tīng)顟B(tài)，即更好結(jié)果肯定接受，惡化結(jié)果按照一定概率接受，而且隨著搜索的進(jìn)行接受惡化解的概率逐漸變小，這是 模擬退火 的基本思想。 ? 隨機(jī)地從多個(gè)初始狀態(tài)出發(fā)進(jìn)行局部搜索，實(shí)際上是一種最原始的全局性和局部性優(yōu)化算法的結(jié)合，即 多點(diǎn)隨機(jī)試探局部搜索法 ，此時(shí)的啟發(fā)信息完全體現(xiàn)于局部搜索部分，全局性優(yōu)化部分仍然是 隨機(jī)的和盲目的 。通常使用概率性方式，也有兩種做法：一種是更好結(jié)果肯定接受，惡化結(jié)果按照一定概率接受；另一種是無(wú)論好惡均以一定概率接受，只是 結(jié)果越好接受概率越高 。這是因?yàn)??C反映 f(x)的 鄰域結(jié)構(gòu) ，合理的 ?C應(yīng)該保證概率性搜索的狀態(tài)具有 最大代表性 。事實(shí)上， 單CPU情況下 的單點(diǎn)法和多點(diǎn)法并沒(méi)有本質(zhì)性的區(qū)別。我們采用 C(x)表示的 x編碼，稱(chēng)為 個(gè)體 。通常 x是以數(shù)值方式編碼比如浮點(diǎn)數(shù)，也有 二進(jìn)制方式 ，還有符號(hào)編碼如字母等。 適應(yīng)度函數(shù) f (M)是遺傳算法的一個(gè) 瓶頸 ，人們針對(duì)不同問(wèn)題提出了許多不同的適應(yīng)度函數(shù)定義 。遺傳算法的求解效率在很大程度上取決于編碼串長(zhǎng)度 l（對(duì)于二進(jìn)制編碼）、種群規(guī)模 M、交叉概率 Pc、變異概率 Pm、終止代數(shù) T、適應(yīng)度函數(shù) f (M)等運(yùn)行參數(shù)的設(shè)置，當(dāng)然與具體的選擇算子也有很大關(guān)系，這在搜索策略中已經(jīng)有一定體現(xiàn)。 主要包括：精英策略（ elitist strategy）；構(gòu)造與模擬退火算法、局部搜索算法如最速下降法等相結(jié)合的混和遺傳算法（ hybrid geic algorithm）；通過(guò)改造模式定理和引入半序關(guān)系將所有模式構(gòu)成一個(gè)半序格，從而將人工智能理論中的狀態(tài)空間搜索算法如 A算法與遺傳算法相結(jié)合而提出的統(tǒng)計(jì)遺傳算法（ statistical geic algorithm）；基于家族優(yōu)生學(xué)原理構(gòu)成兩兩結(jié)合的家族競(jìng)爭(zhēng)機(jī)制，通過(guò)引入正交設(shè)計(jì)法構(gòu)造出“正交交配”算子，從而在每個(gè)家庭內(nèi)部形成局部競(jìng)爭(zhēng)環(huán)境的進(jìn)化算法；利用小生境技術(shù)、聚類(lèi)分析或狹義遺傳算法而提出的分區(qū)域搜索遺傳算法等。 第六步：確定遺傳算法的有關(guān)運(yùn)行參數(shù)。 第二步：確定表示可行解的染色體編碼方法，即確定個(gè)體基因型 X及遺傳算法的搜索空間。 ? 標(biāo)準(zhǔn)遺傳算法的基本框架是由 Holland于 20世紀(jì) 60年代提出的，它使用二進(jìn)制編碼，采用賭輪選擇和隨機(jī)配對(duì)， 關(guān)鍵是 編碼 。遺傳和變異的物質(zhì)基礎(chǔ)是染色體 (Chromosome)。系統(tǒng)工程理論與實(shí)踐， 1997， (5): 29–35。加速全局優(yōu)化 –鮑威爾法和模擬退火法的組合。 王卓鵬，高國(guó)成，楊為平。 until stopcriterion end。
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1