觀看專家講座心得體會(編輯修改稿)
2024-11-05 02:49 本頁面
【文章內容簡介】 內容總結如下。蟻群算法（ACO）是受蟻群集體行為的啟發(fā)而提出的、基于種群的模擬進化算法，屬于隨機搜索算法。其中一個重要名詞是“信息素”。蟻群在尋找食物或尋找回巢路徑的行動中，會在它們經過的地方留下一些“信息素”，這種物質使后到的螞蟻最大可能地選擇具有該物質的路徑，而且后到者留下的“信息素”會對原有的“信息素”加強，如此循環(huán)下去，經過螞蟻越多的路徑，在后到螞蟻的選擇中被選中的可能性就越大。該過程進行下去一直到所有螞蟻都走最短路徑為止。蟻群算法的主要優(yōu)點是采用了正反饋機制。蟻群算法的應用也很廣，主要是很多組合優(yōu)化問題。它通常被用于解決（1）調度問題，如車間作業(yè)調度問題（JSP）、車間組調度問題（GSP）（2）車輛路徑問題，如限量車輛路徑問題（CVRP）、分批配送車輛路徑問題（SDVRP）、裝貨配送的車輛路徑問題（VRPPD）等（3）分配問題，如二次分配問題（QAP）（4）設置問題，如覆蓋設置問題（SCP）、多背包問題（MKP）（5）其他如圖像處理、系統(tǒng)識別等等。還有一些常用的變異蟻群算法：（1）精英螞蟻系統(tǒng)（2）最大最小螞蟻系統(tǒng)（MMAS）（3）蟻群系統(tǒng)（4）基于排序的螞蟻系統(tǒng)（ASrank）（5）連續(xù)正交蟻群（COAC）。除了蟻群算法，胡老師還介紹了粒子群優(yōu)化算法（PSO），它是通過模擬鳥群覓食行為而發(fā)展起來的一種基于群體協作的隨機搜索算法，屬于群集智能（SI）。PSO模擬鳥群的捕食行為，具體如下：一群鳥在隨機搜索食物，在這個區(qū)域里只有一塊食物，所有的鳥都不知道食物在哪里，但是他們知道當前的位置離食物還有多遠，那么最優(yōu)策略又是最簡單有效的方法就是搜索目前離食物最近的鳥的周圍區(qū)域。在此算法中，適應值（fitnessvalue）很重要。所有粒子都有一個由被優(yōu)化的函數決定的fitnessvalue，粒子們追隨當前的最優(yōu)粒子在解空間中搜索。PSO初始化為一群隨機粒子，然后通過迭代找到最優(yōu)解，在每一次的迭代中，粒子通過跟蹤兩個極值來更新自己。第一個就是粒子本身所找到的最優(yōu)解，稱為個體極值pBest，另一個是整個種群目前找到的最優(yōu)解，它是局部極值。算法流程如下：，包括隨機的位置和速度；；，將它的適應值和它經歷過的最好位置pBest作比較，如果較好則將其作為當前的最好位置gBest；，將它的fitnessvalue和全局所經歷的最好位置gBest作比較，如果較好則重新設置gBest的索引號；；（可為足夠好的fitnessvalue或達到一個預設的最大代數Gmax）回到第2步。隨著PSO的不斷發(fā)展，其應用范圍也在不斷擴大。如利用PSO實現對衛(wèi)星無線網絡路由的自適應調整、解決互聯網絡服務質量路由問題，除此之外，PSO算法還在多峰值函數優(yōu)化、多目標優(yōu)化和約束優(yōu)化等方面取得了很好的效果。由于知識所限，很多專有名詞沒有弄懂，知識還需以后深入學習。筆記就整理到這里，還是來說一下我的感想吧。曾經偶然間在CNKI上看到李寒宇老師的一篇文章《愛上這個美麗的錯——讓我沉迷的信息與計算科學專業(yè)》，他抱著大學不學數學的心態(tài)陰錯陽差地進了這個專業(yè)，意想不到的是數學和計算機是個令人著迷的世界，無法自拔。畢達哥拉斯說世界是由數組成的，也許只有像我們這樣天天生活在數學世界里的人才能真正體會這句話。與李老師不同的是，我沒有犯這個“錯”，我不是陰錯陽差，而是我主動報了這個專業(yè)，并且填的是第一志愿。從小我就對數學有一種特殊的感情，數字是可以讓我興奮的事物?，F在，我很享受大學生活，重要原因之一就是我在學數學?，F在，聽了這幾位老師的講座，深刻地體會到范圍之廣、內容之深，在數學的路上，我們也只算是剛剛過起跑線而已，不斷努力、不斷成長才能繼續(xù)向前。讀了本科，再讀研，即使再讀博士，所懂的也只是數學的冰山一角。數學就像宇宙一樣，無人知道盡頭在哪，但是總有無數的人去探索，包括你我。看了電影《美麗心靈》，納什太天才了，我們普通人肯定達不到那種境界。我們所能做的就是用心、努力。為自己喜歡的東西盡可能地去付出，不管結果怎樣都是快樂的。而且事實證明，如果用心了，結果也往往很好。這周三晚上Shreey Gong來學院樓作報告，由于是全英文的而且我對expander graph也不太了解，內容幾乎沒聽懂，但她的一個想法給我印象很深。她說從不感覺數學和計算機是boring的，因為她覺得通過計算機編程去實現自己的目的是一件讓人感覺很自由的事情
試題試卷相關推薦
鄂ICP備17016276號-1