13人工智能與專家系統(tǒng)(xxxx)-wenkub.com
2025-02-24 12:54 本頁面
【正文】 ? 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。 the Velocity： 依據(jù)式 (1) 與式 (2) 更新每一 Particle之速度與位置 。 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。然后粒子們就追隨當(dāng)前的最優(yōu)粒子在解空間中搜索。 ? PSO從這種模型中得到啟示并用于解決優(yōu)化問題。所有的鳥都不知道食物在那里。 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)。 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)。 48 機(jī)器人學(xué) ? 機(jī)器人是一類復(fù)雜的難以精確建模的人工系統(tǒng)，而遺傳算法的起源就來自于對人工自適應(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。 函數(shù)優(yōu)化 45 組合優(yōu)化 ? 遺傳算法是尋求組合優(yōu)化問題滿意解的最佳工具之一，實(shí)踐證明，遺傳算法對于組合優(yōu)化問題中的NP完全問題非常有效。 42 5 遺傳算法的應(yīng)用 應(yīng)用領(lǐng)域 具體說明 控制 煤氣管道控制，防避導(dǎo)彈控制，機(jī)器人控制 規(guī)劃 生產(chǎn)規(guī)劃，并行任務(wù)分配 設(shè)計(jì) VLSI布局，背包問題，圖劃分問題 圖像處理 模式識別，特征抽取 信號處理 濾波器設(shè)計(jì) 機(jī)器人 路徑規(guī)劃 人工生命 生命的遺傳進(jìn)化 人工神經(jīng)網(wǎng)絡(luò) 權(quán)值訓(xùn)練和網(wǎng)絡(luò)結(jié)構(gòu)生成 43 遺傳算法的應(yīng)用 遺傳算法提供了一種求解復(fù)雜系統(tǒng)優(yōu)化問題的通用框架，它不依賴于問題的具體領(lǐng)域，對問題的種類有很強(qiáng)的魯棒性，所以廣泛應(yīng)用于很多學(xué)科。于是，得第四代種群 S4： s1=11111（ 31） , s2=11100（ 28） , s3=11000（ 24） , s4=10000（ 16） 41 顯然 ， 在這一代種群中已經(jīng)出現(xiàn)了適應(yīng)度最高的染色體s1=11111。 這樣 ， 群體 S1中共有 =位基因可以變異 。于是，經(jīng)復(fù)制得群體： s1’ =11000（ 24） , s2’ =01101（ 13） , s3’ =11000（ 24） , s4’ =10011（ 19） 可以看出，在第一輪選擇中適應(yīng)度最高的染色體 s2被選中兩次，因而被復(fù)制兩次；而適應(yīng)度最低的染色體 s3一次也沒有選中而遭淘汰。 11000， 11011， 11001， 10011 （ 8）重復(fù)上述操作： 說明： GA的終止條件一般人為設(shè)置； GA只能求次優(yōu)解或滿意解。 4）確定怎樣指定結(jié)果及程序運(yùn)行結(jié)束的標(biāo)準(zhǔn)。 對一個(gè)需要進(jìn)行優(yōu)化和計(jì)算的實(shí)際應(yīng)用問題 ， 一般可按下述步驟來求解問題的遺傳算法 。 2) 遺傳算法不是從單個(gè)點(diǎn) , 而是在群體中從一個(gè)點(diǎn)開始搜索 。 T：遺傳算法終止的進(jìn)化代數(shù)。將從群體中選擇的兩個(gè)個(gè)體，按照某種策略使兩個(gè)個(gè)體相互交換部分染色體，從而形成兩個(gè)新的個(gè)體。根據(jù)不同種類的問題，必須預(yù)先確定好由目標(biāo)函數(shù)值到個(gè)體適應(yīng)度的轉(zhuǎn)換規(guī)則。 基本遺傳算法使用固定長度的二進(jìn)制符號串表示群體的個(gè)體，其等位基因是由二值符號 {0， 1}所組成的。 21 遺傳算法的缺點(diǎn) ? 編碼不規(guī)范及編碼存在表示的不準(zhǔn)確性。 20 遺傳算法與傳統(tǒng)優(yōu)化算法的主要不同 1) 遺傳算法不是直接作用在參變量集上 , 而是利用參變量集的某種編碼 。認(rèn)為遺傳以密碼方式存在細(xì)胞中，并以基因形式包含在染色體內(nèi)。它認(rèn)為每一物種在發(fā)展中越來越適應(yīng)環(huán)境。 遺傳算法的發(fā)展 18 ? 1992年， Koza將遺傳算法應(yīng)用于計(jì)算機(jī)程序的優(yōu)化設(shè)計(jì)及自動(dòng)生成，提出了遺傳編程的概念。 1975年， Holland出版了第一本系統(tǒng)論述遺傳算法和人工自適應(yīng)系統(tǒng)的專著《自然系統(tǒng)和人工系統(tǒng)的自適應(yīng)性（ Adaptation in Natural and Artificial Systems）》。他發(fā)展了復(fù)制、交叉、變異、顯性、倒位等遺傳算子，在個(gè)體編碼上使用了雙倍體的編碼方法。 ? 在人工智能研究中，認(rèn)為“遺傳算法、自適應(yīng)系統(tǒng)、細(xì)胞自動(dòng)機(jī)、混沌理論與人工智能一樣，都是對今后十年的計(jì)算技術(shù)有重大影響的關(guān)鍵技術(shù)” 12 遺傳算法的發(fā)展 ? 20世紀(jì) 60年代，美國密植安大學(xué)的Holland教授及其學(xué)生們受到生物模擬技術(shù)的啟發(fā)，創(chuàng)造出了一種基于生物遺傳和進(jìn)化機(jī)制的適合于復(fù)雜系統(tǒng)計(jì)算優(yōu)化的自適應(yīng)概率優(yōu)化技術(shù) 遺傳算法。這種策略形成自組織、超并行處理等理論。生命現(xiàn)象的基礎(chǔ)是隨物理熵的增大而雜亂無章。這些都通稱為生物計(jì)算機(jī)，是一種向人工生命接近的方法。 ? 生命行為所顯示的自律分散和非線性的行為，它的工作原理是混沌和分形，據(jù)此研究它的機(jī)理。生物群體中環(huán)境適應(yīng)系統(tǒng)和遺傳進(jìn)
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1