aai51自然計算及群體智能(完整版)
【正文】 蟻是反應型適應性主體 – 在個體水平上，每只螞蟻僅根據(jù)環(huán)境做出獨立選擇；在群體水平上，單只螞蟻的行為是隨機的，但蟻群可通過自組織過程形成高度有序的群體行為。（導數(shù)，微分） 。 – E中的元素總是和 V中的序偶對有對應關系，可用 V中的序偶代替 E中的元素。 – 若存在一個多項式時間 DTM程序，它在編碼策略 e之下求解判定問題 Π，即 L[Π, e]∈ P,則稱該判定問題屬于 P類問題。1 高級人工智能 ? 第一章 人工智能概述 ? 第二章 歸結推理方法 ? 第三章 不確定性推理 ? 第四章 知識表達方法 ? 第五章 自然計算及群體智能 －蟻群算法 ? 第六章 自然計算及群體智能 －遺傳算法 2 自然計算與群體智能 趙林亮 計算機應用技術研究所 3 創(chuàng)新：向大自然學習 ? 生物體、自然生態(tài)系統(tǒng) ? 通過自身演化解決優(yōu)化問題 ? 模擬自然生態(tài)系統(tǒng)求解復雜優(yōu)化問題 ? 仿生優(yōu)化算法 – 遺傳算法 – 蟻群算法 – 微粒群算法 – 人工免疫算法 – 人工魚群算法 – 混合蛙跳算法 4 ? 遺傳算法 (GA) – 物競天擇，設計染色體編碼，交配 突變與適應函數(shù)的萃取，優(yōu)化求解 ? 神經(jīng)網(wǎng)絡 (ANN) – 模彷生物神經(jīng)元，透過神經(jīng)元的訊息傳遞、訓練學習、回溯，優(yōu)化求解 ? 模擬退火演算法 (SA) – 模彷金屬退火過程 ? 基因表達式編程 5 ?基因 DNA 6 7 神經(jīng)網(wǎng)絡 8 9 昆蟲 ?蟻，蜂 10 11 ?蟻群算法 ?Ant Colony Optimization (ACO) 12 鳥群算法 ?Particle Swarm Optimization ?有個 帶頭鳥 13 ?魚群算法 ?Fish Swarm Optimization 14 ?蜂群算法 Marriage in Honey Bees Optimization (MBO) 15 ? 禁忌搜索（ tabu search） ? 模擬退火（ simulated annealing） ? 遺傳算法（ geic algorithms） ? 神經(jīng)網(wǎng)絡（ neural works） ? 蟻群算法（群體（群集）智能， Swarm Intelligence） ? 拉格朗日松弛算法（ lagrangean） ? 蜜蜂算法 – 飛姿傳信，圈軸方向：蜜向，飛行圈數(shù)：距離 16 被模擬對象的智能層次 ? 昆蟲 （低智能） – 蜜蜂、螞蟻 ——蜂群算法，蟻群算法 ? 脊椎動物門 （較低智能） – 魚群、鳥群 ——魚群算法，鳥群算法， PSO ? 遺傳算法家族 （模擬 生物界 基本性質， 中智能） ? GA, GP ? ? GEP 基因表達式編程 ? GEP –變異和雜交 = PSO 17 AI上這一特殊分支的發(fā)展歷史 Geic Algorithm Tabu Search 1953 1991 1975 Ants System Particle Swarm Optimization 1995 Swarm Intelligence 1989 1969 Expert System 1953 Simulated Annealing 模擬退火 18 Geic Algorithm Tabu Search 1953 1991 1975 Ants System Particle Swarm Optimization 1995 Swarm Intelli
環(huán)評公示相關推薦
鄂ICP備17016276號-1