人工智能导论学习体会及遗传算法应用

《人工智能》课程学习体会兼论遗传算法在最优化问题的应用与发展

一、《人工智能》课程学习体会

1．课程学习历程

这学期，在《人工智能》课程学习中，我们以中国大学MOOC网上浙江工业大学王万良教授主讲的《人工智能导论》课程为主。课上老师给我们讲解了一些课程中的难点，课下老师发放了很多的人工智能课外阅读资料，供我们参考学习。

在学习的过程中，我们先对智能有了初步了解，之后再谈人工智能的概念。要想实现人工智能，就需要把我们人的思维形式化，于是学习了谓词逻辑知识表示，之后是产生式，然后是概率论和数理统计的一些内容。掌握了这些之后，我们就可以根据知识去解决问题了。可是怎么去解决，如何去推出结果，又是一个问题，于是我们学习了一些推理方法，如模糊推理等。按照智能的定义，那么现在已经基本实现智能了。即实现了智能=知识+智力，虽然不是真正意义上的智能。虽然现在可以去处理一些问题了，但是很明显的，它的效率非常的低，甚至于有些问题找到答案花费的时间特别长，是我们无法接受的。于是我们学习了如A*算法、遗传算法、粒子群优化算法、蚁群算法等一些加快处理问题的算法。最后，我们学习了神经网络、专家系统、机器学习和智能体系等内容。对于这些学习的知识，基本上还处于一个了解的水平，要想实际应用还需要更深入的学习。

课下，我们也看了一些和人工智能的书籍，诸如《浪潮之巅》，向我们讲述了科技公司像IBM，微软，英特尔等公司的兴衰；《智能革命》向我们讲述了AI 与我们的生活密切相关，并且越来越离不开智能。通过阅读这些课外读物，也使得我们对人工智能有了更深的理解与思考。

2．课程学习体会与感悟

学习完主要课程之后，给我的第一感觉就是：“哎！怎么还没有学呢！课程就结束了”。有这样的感觉主要还是受到疫情的影响，在家不能像在学校一样学的那么精细。很多的知识几乎是走一个概念便草草离场了，同时，人工智能这门课程本身涉及的知识面也比较广，如讲到神经网络的时候提到了生物学中的神经元、突触等这些结构，想一下子掌握这些内容是不可能的。

另一个方面则是，人工智能的应用领域非常之多，诸如机器学习，专家系统等，每一部分都是可以单独拿出来作为深入学习的方向的。因此，现在的学习，只是对人工智能有了一个初步的了解，想要入门还需要学习更多的内容，还需要投入更多的时间。

二、遗传算法在最优化问题的应用与发展

1.遗传算法简述

遗传算法GA是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法，非常适合用于处理传统搜索方法难以解决的复杂和非线性优化问题。遗传算法可广泛应用与组合优化、机器学习、自适应控制、规划设计和人工生命等领域。

2.生物遗传与遗传算法的对应关系

3.用遗传算法在经典的最优化问题TSP（旅行商问题）中的应用

(1)问题提出

有一个旅行商从一个城市出发，每个城市访问一次，并且只能访问一次，最后再回到出发城市，问如何行走才能使得行走的路径长度最短。

(2)方法策略

采用遗传算法求解

(3)求解过程

①编码：假设有n个城市，依次编号1、2、3、4、...、n；

②初始化种群：随机产生规模为k的种群序列，设置迭代次数为m；

③编写适应度函数：这里选用染色体编码表示的路径总长度；

④选择：这里可以选择达到迭代次数时，选择当前的最优解，作为整

个问题的最优解；

⑤交叉：当不满足选择的条件时，就进行部分匹配交叉，并消除基因

冲突；

⑥变异：产生两个随机数，交换其位置。

(4)输出结果

根据(3)中的求解过程就可以得到一个TSP问题的可行解，即一个长度为

n的数字串序列，同时可以得到最短路径的值。

(5)问题总结

从算法的步骤上我们可以看出，遗传算法它是一种随机算法，但并

不是盲目的，它是有一定目的性的，对于适应度比较差的个体可以过滤

掉。同时对于不满足适应度函数或选择的种群或个体可以进行交叉和变

异，以此来使其进化，以达到我们的需求。

应当注意的是，遗传算法得到的解并不是唯一的，并且每次得出的结果也不一定是相同的，它往往求得的值是该问题的最优解的一个近似

解或者是问题的一个可行解。当然，对于大规模的问题，往往求出精确

的最优解是没有必要的，那么这时使用一个近似解或可行解的优势就体

现出来了。

4.遗传算法的发展

通过上述TSP问题的应用，我们可以知道遗传算法在最优化问题中还是有着一定地位的。它可以有效的解决传统求解策略中，当数据量、计算量过于庞大时，无法快速得到结果的情况。

当然，基本的遗传算法在解决问题时会显的很繁琐，所求得的结果往往和问题的最优解有一定的差距。这时我们可以给算法中的一些步骤做相应优化，比如在交叉、变异时，可能会产生父代已经产生过的序列，我们可以将这些序列进行排除。因此在使用遗传算法解决问题的过程中一定要对算法进行组合优化。

遗传算法除了在求解最优化问题上有着广泛的应用，还在机器学习、信号处理、自适应控制等领域发挥着重要作用。