13人工智能與專家系統(tǒng)(xxxx)-資料下載頁
2025-02-26 12:54本頁面
【正文】 人工自適應(yīng)系統(tǒng)的研究，所以機(jī)器人學(xué)自然成為遺傳算法的一個(gè)重要應(yīng)用領(lǐng)域。 49 圖象處理 ? 圖像處理是計(jì)算機(jī)視覺中的一個(gè)重要研究領(lǐng)域。在圖像處理過程中，如掃描、特征提取、圖像分割等不可避免地存在一些誤差，這些誤差會(huì)影響圖像處理的效果。如何使這些誤差最小是使計(jì)算機(jī)視覺達(dá)到實(shí)用化的重要要求，遺傳算法在這些圖像處理中的優(yōu)化計(jì)算方面得到了很好的應(yīng)用。 50 人工生命 ? 人工生命是用計(jì)算機(jī)、機(jī)械等人工媒體模擬或構(gòu)造出的具有自然生物系統(tǒng)特有行為的人造系統(tǒng)。自組織能力和自學(xué)習(xí)能力是人工生命的兩大重要特征。人工生命與遺傳算法有著密切的關(guān)系，基于遺傳算法的進(jìn)化模型是研究人工生命現(xiàn)象的重要理論基礎(chǔ)。 51 粒子群優(yōu)化算法 ? 粒子群優(yōu)化 (Particle Swarm Optimization, PSO)，又稱微粒群算法，是由 J. Kennedy和 RC Eberhart等于 1995年開發(fā)的一種演化機(jī)制。 粒子 (particle)”是一個(gè)折衷的選擇 ,因?yàn)榧刃枰? 將群體中的成員描述為沒有質(zhì)量、沒有體積的 ,同時(shí)也需要描述它的速度和加速狀態(tài)。 ? PSO模擬鳥群的捕食行為。設(shè)想這樣一個(gè)場(chǎng)景：一群鳥在隨機(jī)搜索食物。在這個(gè)區(qū)域里只有一塊食物。所有的鳥都不知道食物在那里。但是他們知道當(dāng)前的位置離食物還有多遠(yuǎn)。那么找到食物的最優(yōu)策略是什么呢。最簡(jiǎn)單有效的就是搜尋目前離食物最近的鳥的周圍區(qū)域。 ? PSO從這種模型中得到啟示并用于解決優(yōu)化問題。 PSO中，每個(gè)優(yōu)化問題的解都是搜索空間中的一只鳥。我們稱之為“粒子”。所有的例子都有一個(gè)由被優(yōu)化的函數(shù)決定的適應(yīng)值 (fitness value)，每個(gè)粒子還有一個(gè)速度決定他們飛翔的方向和距離。然后粒子們就追隨當(dāng)前的最優(yōu)粒子在解空間中搜索。 52 特 點(diǎn) ? 分布式搜尋 ? 具記憶性 ? 組件較少，容易實(shí)現(xiàn) ? 適合在 連續(xù)性 的范圍內(nèi)搜尋 53 演算法 介紹 ? 每個(gè)尋優(yōu)的問題解都被想象成一只鳥，我們也稱為 “Particle”。 ? 所有的 Particle 都有一個(gè) fitness function 以判斷目前的位置之好壞， ? 每一個(gè) Particle必須賦予記憶性，能記得所搜尋到最佳位置。 ? 每一個(gè) Particle 還有一個(gè)速度以決定飛行的距離與方向。 54 算法流程 將群族做初始化，以隨機(jī)的方式求出每一 Particle 之初始位置與速度。 ： 依據(jù) fitness function 計(jì)算出其 fitness value 以作為判斷每一 Particle之好壞 。 the Pbest： 找出每一 Particle 到目前為止的搜尋過程中最佳解 ， 這個(gè)最佳解我們將之稱為Pbest。 the Gbest： 找出所有 Particle 到目前為止所搜尋到的整體最佳解 ， 此最佳解我們稱之為Gbest。 the Velocity： 依據(jù)式 (1) 與式 (2) 更新每一 Particle之速度與位置 。 6. 回到步驟 2. 繼續(xù)執(zhí)行 ， 直到獲得一個(gè)令人滿意的結(jié)果或符合終止條件為止 。 55 粒子群優(yōu)化 : Swarm Search ? Actually, we must adjust the vvector before adding it to the xvector as follows: – vid = vid + ?1*rnd()*(pidxid) + ?2*rnd()*(pgdxid)。 – xid = xid + vid。 ? Where i is the particle, ? ?1,?2 are learning rates governing the cognition and social ponents ? Where g represents the index of the particle with the best pfitness, and ? Where d is the dth dimension. 56 Schwefel39。s function n :1=i 420 .96 87,= 418 .98 29。=)( minimu m glo bal500500 where)sin ()()(1???????? ??iiniiixnxfxxxxf57 搜 尋過 程－最初 狀態(tài) 58 搜尋過程 － 經(jīng)過 5代 59 搜尋過程 － 經(jīng)過 10代 60 搜尋過程 － 經(jīng)過 15代 61 搜尋過程 － 經(jīng)過 20代 62 搜尋過程 － 經(jīng)過 25代 63 搜尋過程 － 經(jīng)過 100代 64 搜尋過程 － 經(jīng)過 500代 65 粒子群優(yōu)化算法應(yīng)用 ? 圖像分割與解譯 ? 交通控制與規(guī)劃 ? 智能調(diào)度與任務(wù)分配 ? 目標(biāo)函數(shù)優(yōu)化 ? 神經(jīng)網(wǎng)絡(luò)訓(xùn)練 ? 模糊控制系統(tǒng) ? 工程設(shè)計(jì)與優(yōu)化 66 Thanks. 67 演講完畢，謝謝觀看！
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1