【正文】 盤停止時 ，指針所指的片對于的染色體就時要選的染色體 。染色體適應值越大，該染色體被遺傳到下一代的概率也越大；反之，染色體的適應值越小，該染色體被遺傳到下一代的概率也越小。 ()kii kiULx L b ???????112 21設某一個體的二進制編碼為 ,k k kb b b b b b??1 2 3 2 1則對應的解碼公式為： 35 2022/2/11 適應函數(shù) (Fitness Function) ? GA在搜索中不依靠外部信息，僅以 適應函數(shù) 為依據(jù)，利用群體中每個染色體 (個體 )的適應值來進行搜索。 31 2022/2/11 如何設計遺傳算法 ? 如何進行編碼？ ? 如何產(chǎn)生初始種群？ ? 如何定義適應函數(shù)？ ? 如何進行遺傳操作 (復制、交叉、變異 )？ ? 如何產(chǎn)生下一代種群？ ? 如何定義停止準則 ？ 32 2022/2/11 編碼 (Coding) 表現(xiàn)型空間 編碼 (Coding) 解碼 (Decoding) 基因型空間 = {0,1}L 011101001 010001001 10010010 10010001 33 2022/2/11 編碼 設某一參數(shù)的取值范圍為（ L， U），使用長度為 k 的二進制編碼表示該數(shù)，則共有 種不同的編碼。 ? 交叉 (crossover): 將群體 P(t)內(nèi)的各個個體隨機搭配成對，對每一個個體，以某個概率 Pc (稱為交叉概率， crossvoer rate)交換它們之間的部分染色體。 23 2022/2/11 遺傳算法模擬自然選擇和自然遺傳過程中發(fā)生 的 繁殖、交叉和基因突變 現(xiàn)象，在每次迭代中 都保留一組候選解，并按某種指標從解群中選 取較優(yōu)的個體，利用 遺傳算子 (選擇、交叉和變 異 )對這些個體進行組合，產(chǎn)生新一代的候選解 群，重復此過程，直到滿足某種收斂指標為止。然后有機體根據(jù)不同的繁殖方法從一個節(jié)點遷移到另一個節(jié)點。 22 2022/2/11 遺傳算法的一般算法 (續(xù) ) ? 5. 并行計算 * 非常容易將遺傳算法用到并行計算和群集環(huán)境中。 4. 下一代 如果新的一代包含一個解 ， 能產(chǎn)生一個充分接近或等于期望答案的輸出， 那么問題就已經(jīng)解決了 。 21 2022/2/11 遺傳算法的一般算法 (續(xù) ) ? 3. 繁殖 (包括子代突變 ) 帶有較高適應度值的那些染色體更可能產(chǎn)生后代 (后代產(chǎn)生后也將發(fā)生突變 )。 2. 評估適應度： 對每一個解 (染色體 )指定一個適應度的值 ， 根據(jù)問題求解的實際接近程度來指定 (以便逼近求解問題的答案 )。 20 2022/2/11 遺傳算法的一般算法 ? 遺傳算法是由進化論和遺傳學機理而產(chǎn)生的搜索算法 。 這個過程將導致種群像自然進化一樣的后生代種群比前代更加適應于環(huán)境 ， 末代種群中的最優(yōu)個體經(jīng)過解碼 （ decoding） ， 可以作為問題近似最優(yōu)解 。 18 2022/2/11 遺傳算法的定義（續(xù)） ? 由于仿照基因編碼的工作很復雜 ， 我們往往進行簡化 ， 如二進制編碼 ， 初代種群產(chǎn)生之后 ， 按照適者生存和優(yōu)勝劣汰的原理 ， 逐代 （ generation） 演化產(chǎn)生出越來越好的近似解 。 ? 染色體作為遺傳物質的主要載體 ， 即多個基因的集合 ， 其內(nèi)部表現(xiàn) （ 即基因型 ） 是某種基因組合 ， 它決定了個體的形狀的外部表現(xiàn) ， 如黑頭發(fā)的特征是由染色體中控制這一特征的某種基因組合決定的 。 遺傳算法的主要特點 17 2022/2/11 遺傳算法的定義 ? 遺傳算法是從代表問題可能潛在的解集的一個種群 （ population）開始的 ， 而一個種群則由經(jīng)過基因 （ gene） 編碼的一定數(shù)目的個體 (individual)組成 。 ? 遺傳算法的這些性質 ， 已被人們廣泛地應用于組合優(yōu)化 、 機器學習 、 信號處理 、 自適應控制和人工生命等領域 。 ? 遺傳算法最初由美國密歇根大學 J. Holland（ 霍蘭德 ） 教授于 1975年首先提出來的 ， 并出版了頗有影響的專著 《 Adaptation in Natural and Artificial Systems》 , 遺傳算法這個名稱才逐漸為人所知 ， 通常稱為 “ 簡單遺傳算法 ” 。 遺傳算法 (GA)、模擬退火法 (SA)、神經(jīng)網(wǎng)絡 (NN)、 近幾年的賽題越來越復雜，很多問題沒有什么很好的 模型可以借鑒，于是這三類算法很多時候可以派上用場。 ? 人工智能 涉及學科： 哲學和認知科學，數(shù)學，神經(jīng)生理學，心理學，計算機科學，信息論，控制論，不定性論，仿生學等 6 2022/2/11 認識“人工智能”（續(xù)） ? 人工智能的目的：通過研究人腦的組成機理和思維方式 ， 企圖了解智能的實質 ， 并生產(chǎn)出一種能以人類智能相似的方式做出反應的智能機器 ——讓機器具有智慧 ， 像人一樣思考 . ? 計算機的出現(xiàn) ——人類開始真正有了一個可以模擬人類思維的工具 ? 人工智能的領域研究：包括機器人 、 語言識別 、 圖像識別 、 自然語言處理和專家系統(tǒng)等 . 7 2022/2/11 意識和人工智能的區(qū)別 ? 人工智能就其本質而言 ， 是對人的思維的信息過程的模擬 . ? 對于人的思維模擬可以從兩條道路進行： 結構模擬：仿照人腦的結構機制 ， 制造出 “ 類人腦 ” 的機器； 功能模擬：暫時撇開人腦的內(nèi)部結構 ， 而從其功能過程進行模擬 。數(shù)學建模中的智能算法 2 2022/2/11 數(shù)學建模十大算法 ? 蒙特卡羅算法 ? 數(shù)據(jù)擬合 、 參數(shù)估計 、 插值等數(shù)據(jù)處理算法 ? 線性規(guī)劃等規(guī)劃類問題 ? 圖論算法 ? 動態(tài)規(guī)劃 、 回溯搜索 、 分支定界等計算機算法 ? 模擬退火 、 神經(jīng)網(wǎng)絡 、 遺傳算法等最優(yōu)化理論算法 ? 網(wǎng)格算法和窮舉法 ? 一些連續(xù)離散化方法 ? 數(shù)值分析算法 ? 圖像處理算法 3 2022/2/11 3 人工智能優(yōu)化算法 ? 遺傳算法 ? 模擬退火 ? 人工神經(jīng)網(wǎng)絡算法 ? 粒子群算法 ? 蟻群算法 4 2022/2/11 認識“人工智能” ? 人工智能 (Artificial Intelligence, AI) 概念是 John McCarthy（ 約翰 .麥克斯 ） 于1956年在 Dartmouth學會上提出的 。 ? 美國計算機科學家 ， 因在人工智能領域的重大貢獻 ， 被稱為 “ 人工智能之父 ”， 并因此獲得圖靈獎 ? 他于 1948年獲得加州理工學院數(shù)學學士學位 ， 1951年獲得普林斯頓大學數(shù)學博士學位 John McCarthy 5 2022/2/11 認識“人工智能”（續(xù)） ? 人工智能 ——讓機器像人一樣思考 ? 人工智能是計算機科學的前沿學科，是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學 .計算機編程語言和其它計算機軟件都因為有了人工智能的進展而得以存在。 現(xiàn)代電子計算機的產(chǎn)生便是對人腦思維功能的模擬 ， 是對人腦思維的信息過程的模擬 . ? 人工智能不是人的智能 ， 更不會超過人的智能 . 8 2022/2/11 意識和人工智能的區(qū)別（續(xù)） “機器思維 ” 同 “ 人類思維 ” 的本質區(qū)別： 1. 人工智能純系無意識的機械的物理的過程 ， 人類智能主要是生理和心理的過程 . 2. 人工智能沒有社會性 . 3. 人工智能沒有人類的意識所特有的能動的創(chuàng)造能力 . 4. 兩者總是人腦的思維在前 ， 電腦的功能在后 . 9 2022/2/11 經(jīng)典的人工智能成果 ? 人機對弈 * 1996年 2月 1017日 , Garry Kasparov以 4:2戰(zhàn)勝 “ 深藍 ” (Deep Blue) * 1997年 5月 311日 , Garry Kasparov以 : “ 深藍 ” * 2022年 2月 Garry Kasparov 3:3戰(zhàn)平 “ 小深 ” (Deep Junior) * 2022年 11月 Garry Kasparov 2:2戰(zhàn)平 “ X3D德國人 ” (X3DFritz ) ? 模式識別 指紋識別 、 人臉識別 、 語音識別 、 文字識別 、 圖像識別 、 車牌識別等 10 2022/2/11 經(jīng)典的人工智能成果 (續(xù) ) ? 電 影 中文名：人工智能 片 名： AI 年 代： 2022 國 家：美國 ? 相關著作 《 視讀人工智能 》 、 《 人工智能的未來 》 、 《 人工智能哲學 》 、 《 人工智能：一種現(xiàn)代的方法 》 …… 11 2022/2/11 ? 遺傳算法 (Geic Algorithm， GA) ? 人工神經(jīng)網(wǎng)絡算法 (Artificical Neural Network , ANN) ? 模擬退火 (Simulated Annealing, SA) ? 粒子群優(yōu)化算法 (Partical Swam Optimization Algorithm, PSOA) ? 蟻群優(yōu)化算法 (Ant Colony Optimization Algorithm, ACOA) 人工智能優(yōu)化算法 12 2022/2/11 ? 97年 A 題用模擬退火算法 ? 00年 B 題用神經(jīng)網(wǎng)絡分類算法 ? 01年 B 題這種難題也可以使用神經(jīng)網(wǎng)絡 ? 美國 89年 A 題也和 BP 算法 有關系 ? 美國 03年 B 題 伽馬刀問題也是目前研究的課題，目前算法最佳的是遺傳算法 。 最優(yōu)化理論的三大非經(jīng)典算法 : 13 2022/2/11 ? 遺傳算法 (Geic Algorithm， GA) ? 人工神經(jīng)網(wǎng)絡算法 (Artificical Neural Network , ANN) ? 模擬退火 (Simulated An