智能計算簡介ppt課件(參考版)
2025-05-03 18:54本頁面
【正文】 人工免疫算法n 免疫算法的思想來自模擬人體的免疫系統(tǒng)n 免疫系統(tǒng)通過一套復(fù)雜的機制來重組基因 , 以產(chǎn)生抗體對付入侵的抗原 , 達到消滅抗原的目的n 為了有效地提供防御功能 , 免疫系統(tǒng)必須進行模式識別 , 把自身的分子和細胞與抗原區(qū)分開來n 除了具有識別能力之外 , 免疫系統(tǒng)與其它低級生物防御系統(tǒng)的區(qū)別在于它能夠?qū)W習(xí) , 并且有記憶能力n 因為上述特點 , 免疫系統(tǒng)對同一抗原的防御反應(yīng) , 第二次比第一次來得更快、更強烈人工免疫算法n 上述特點使得免疫算法有不同于其它算法的附加優(yōu)化步驟 1) 計算親和性 2) 計算期望值 3) 構(gòu)造記憶單元人工免疫算法n 免疫算法模仿了人體的免疫系統(tǒng) , 并從體細胞理論和網(wǎng)絡(luò)理論中得到啟發(fā) , 實現(xiàn)了類似于免疫系統(tǒng)的自我調(diào)節(jié)功能和生成不同抗體的功能n 免疫算法具有隨機優(yōu)化方法所具有的優(yōu)點，但免疫算法與其它隨機優(yōu)化算法 (如遺傳算法等 ) 之間有如下的區(qū)別 : 1) 在記憶單元基礎(chǔ)上運行 , 確保快速收斂于全局最優(yōu)解 2) 它有計算親和性的程序 , 反映了真實的免疫系統(tǒng)的多樣性3) 它通過促進或抑制抗體的產(chǎn)生 , 體現(xiàn)了免疫反應(yīng)的自我調(diào)節(jié)功能人工免疫算法n 上述特點使得免疫算法有不同于其它算法的附加優(yōu)化步驟 1) 計算親和性 2) 計算期望值 3) 構(gòu)造記憶單元人工免疫算法n 免疫系統(tǒng)中的抗原和抗體分別對應(yīng)于優(yōu)化問題的目標(biāo)函數(shù)和可能解n 免疫算法的親和性有兩種形式 : 一種形式說明了抗體和抗原之間的關(guān)系 , 即解和目標(biāo)的匹配程度 。n [定理 1] 模式定理 (Schema Theorem)n 適應(yīng)值在群體適應(yīng)值之上的，長度較短的，低階的模式在 GA的迭代中將按指數(shù)增長方式被復(fù)制。只有當(dāng) o(s)個確定位的值不被破壞時，模式 s才不被破壞。模式定理? 假定模式 s在交叉后不被破壞的概率為 ps， 則：? 若交叉概率為 pc,則 s不被破壞的概率為模式定理（ 5）? 所以，再考慮交叉時， (3)式可表示為? 最后，考慮變異算子對模式的影響。? 下面先探索交叉對模式的影響。模式定理? 復(fù)制的結(jié)果并沒有生成新的模式 。即：適應(yīng)值高于群體平均值的模式在下一代的代表串?dāng)?shù)目將會增加，而適應(yīng)值低于群體平均值的模式在下一代的代表串?dāng)?shù)目將會減少。串 i的復(fù)制概率為：（ 1）模式定理n 則在群體 P(t+1)中，模式 s的代表串的數(shù)量的期望值為：? 其中， 表示模式 s在 t時刻的所有代表串的適應(yīng)值的均值，稱為模式 s的適應(yīng)值。 首先，我們暫不考慮交叉和變異操作。n 如：模式 “ 01***” 的長度為 1，模式 “ 0**1*” 的長度為 3。n 如：模式 “ 0****” 的階為 1，模式 “ 10*1*” 的階為3。每個 “*” 可以取 “ 1” 或者“ 0” 。n [定義 1] 設(shè) GA的個體 ,記集合n 則稱 為一個模式，其中＊是通配符。遺傳算法的理論基礎(chǔ)n 模式的定義n 遺傳算法的理論基礎(chǔ)是遺傳算法的二進制表達式及模式的含義。分析：按第二代新群體進行遺傳操作，若無變異，永遠也找不到最優(yōu)解 —— 擇優(yōu)取代有問題。遺傳算法舉例問題：求（ 1） 編碼： 此時取均長為 5，每個染色體（ 2）初始群體生成：群體大小視情況而定，此處設(shè)置為 4，隨機產(chǎn)生四個個體： 編碼： 01101， 11000， 01000， 10011 解碼： 13 24 8 19 適應(yīng)度： 169 5
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1