智能计算几种经典算法解析共21页
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
-11-
智能计算几种经典算法解析
三.遗传算法
◆遗传算法的特点 遗传算法是解决搜索问题的一种通用算法。 搜索算法的共同特征为：
(1)首先组成一组候选解；(2)依据某些适应性条件测 算这些候选解的适应度；(3)根据适应度保留某些候选 解，放弃其他候选解；(4)对保留的候选解进行某些操 作，生成新的候选解。在遗传算法中，上述几个特征以 一种特殊的方式组合在一起：基于染色体群的并行搜索， 带有猜测性质的选择操作、交换操作和突变操作。这种 特殊的组合方式将遗传算法与其它搜索算法区别开来
智能计算几种经典算法解析
●人工神经网络算法 ●模糊系统算法 ●遗传算法 ●退火算法 ●展望
-1-
智能计算几种经典算法解析
随着计算机技术的飞速发 展，智能计算方法的应用 领域也越来越广泛。本文 介绍了当前存在的一些智 能计算方法，阐述了其工 作原理和特点，同时对智 能计算方法的发展进行了 展望。智来自计算几种经典算法解析-3-
智能计算几种经典算法解析
一.人工神经网络算法
◆人工神经网络
人工神经网络是在对人脑组织结构和运 行机制的认识理解基础之上模拟其结构 和智能行为的一种工程系统。早在本世 纪40年代初期，心理学家McCulloch、 数学家Pitts就提出了人工神经网络的第 一个数学模型，从此开创了神经科学理 论的研究时代。其后，F Rosenblatt、 Widrow和J. J .Hopfield等学者又先后 提出了感知模型，使得人工神经网络技 术得以蓬勃发展。
• 引言
智能算法也称作为“背影算法”，是人们 从现实的生活中的各种现象总结出来的算 法。它是从自然界得到启发，模仿它的原 理而得到的算法，这样我们可以利用仿生 原理进行设计我们的解决问题的路径，这 就是智能计算的思想。这方面的内容很多， 如人工神经网络技术、遗传算法、模拟退 火算法等，下面分别对其进行分析。
一.人工神经网络算法 ◆ BP人工神经网络模型的构造
智能计算几种经典算法解析
二.模糊系统算法
◆模糊系统算法
模糊概念在生活中普遍存在，如“高”，“大”等。 这些模糊概念蕴含了许多了许多不确定信息，人脑可 以很容易的通过这些不完整不精确信息做出判断和决 策。然而，对于精确的电子计算机而言，处理含糊不 清的信息却是相当困难的。基于这个原因，美国控制 论专家扎德（Zadeh.L.A）于1965年提出了模糊集合的 概念
-8-
智能计算几种经典算法解析
二.模糊系统算法
◆自校正模糊控制
针对普遍控制器参数和控制规则在系统运动时无 法在线调整，自适应能力差的缺陷，自校正模糊控制 器可以在线修正模糊控制器的参数或控制规则，从而 增强模糊控制器的自适应能力，提高了控制系统的动 静态性能和鲁棒性。
-9-
智能计算几种经典算法解析
智能计算几种经典算法解析
四.退火算法
◆ SA算法的基本思想
它引入了一个接受概率p。如果新的点（设为 pn）的目标函数f（pn）更好，则p=1，表示 选取新点；否则，接受概率p是当前点（设为 pc）的目标函数f（pc），新点的目标函数f （pn）以及另一个控制参数“温度”T的函数。 也就是说，模拟退火没有像局部搜索那样每 次都贪婪地寻找比现在好的点，目标函数差 一点的点也有可能接受进来。随着算法的执 行，系统温度T逐渐降低，最后终止于某个低 温，在该温度下，系统不再接受变化。
-12-
智能计算几种经典算法解析
三.遗传算法
◆遗传算法的应用 (1)优化：遗传算法可用于各种优化问题。既包括 数量优化问题，也包括组合优化问题； (2)程序设计：遗传算法可以用于某些特殊任务的 计算机程序设计； (3)机器学习：遗传算法可用于许多机器学习的应 用，包括分类问题和预测问题等
-13-
智能计算几种经典算法解析
四.退火算法
◆模拟退火算法的原理
模拟退火算法的依据是固体物质退火过 程和组合优化问题之间的相似性。物质 在加热的时候，粒子间的布朗运动增强， 到达一定强度后，固体物质转化为液态， 这个时候再进行退火，粒子热运动减弱， 并逐渐趋于有序，最后达到稳定。 模拟退火的解不再像局部搜索那样最后 的结果依赖初始点。
-10-
智能计算几种经典算法解析
三.遗传算法
◆遗传算法的原理
遗传算法(GA)是模拟生物在自然环境下的遗传和进化过 程而形成的一种自适应全局优化概率搜索方法。其采纳 了自然进化模型，从代表问题可能潜在解集的一个种群 开始，种群由经过基因编码的一定数目的个体组成。每 个个体实际上是染色体带有特征的实体；初始种群产生 后，按照适者生存和优胜劣汰的原理，逐代演化产生出 越来越好的解：在每一代，概据问题域中个体的适应度 大小挑选个体；并借助遗传算子进行组合交叉和主客观 变异，产生出代表新的解集的种群。这一过程循环执行， 直到满足优化准则为止。最后，末代个体经解码，生成 近似最优解。
-7-
智能计算几种经典算法解析
二.模糊系统算法
◆模糊系统特点
基于模糊数学理论包括迷糊集合、模糊逻辑、模糊规则、模糊推 理和隶属度等。 在模糊系统中，元素与模糊集合之间的关系是不确定的，即在传 统集合论中元素与集合“非此即彼”的关系不确定。元素与模糊 集合的隶属关系是通过隶属度函数来度量的。当一个元素确定属 于某个模糊集合，则这个元素对该迷糊集合的隶属度为1；当这 个元素确定不属于该模糊集合时，则此时的隶属度值为0；当无 法确定该元素是属于某个模糊集合时，隶属度值为一个属于0到1 之间的连续数值。 在迷糊系统中，知识是以模糊规则的形式存储的。
二.模糊系统算法
◆模糊系统的应用
模糊系统能够很好的处理人们生活中的模糊概念，清晰地表达知 识，而且善于利用学科领域的知识，具有很强的推理能力。 模糊系统主要应用在自动控制、模式识别和故障诊断等领域并且 取得了令人振奋的成果，但是大多数迷糊系统都是利用已有的专 家知识，缺乏自学习能力，无法对自动提取模糊规则和生成隶属 度函数。针对这一问题，可以通过与神经网络算法、遗传算法等 自学习能力强的算法融合来解决。 目前，很多学者正在研究模糊神经网络和神经模糊系统，这是对 传统算法研究和应用的创新。
智能计算几种经典算法解析
一.人工神经网络算法
◆ 人工神经网络的特点
1. 人工神经网络的知识存储容量很大。 2. 具有很强的不确定性信息处理能力。 3. 健壮性。生物神经网络不会因为个 别神经元的损失而失去对原有模式的记 忆。 4. 神经网络是一种具有高度非线性的 超大规模连续时间动力学系统
智能计算几种经典算法解析
智能计算几种经典算法解析
三.遗传算法
◆遗传算法的特点 遗传算法是解决搜索问题的一种通用算法。 搜索算法的共同特征为：
(1)首先组成一组候选解；(2)依据某些适应性条件测 算这些候选解的适应度；(3)根据适应度保留某些候选 解，放弃其他候选解；(4)对保留的候选解进行某些操 作，生成新的候选解。在遗传算法中，上述几个特征以 一种特殊的方式组合在一起：基于染色体群的并行搜索， 带有猜测性质的选择操作、交换操作和突变操作。这种 特殊的组合方式将遗传算法与其它搜索算法区别开来
智能计算几种经典算法解析
●人工神经网络算法 ●模糊系统算法 ●遗传算法 ●退火算法 ●展望
-1-
智能计算几种经典算法解析
随着计算机技术的飞速发 展，智能计算方法的应用 领域也越来越广泛。本文 介绍了当前存在的一些智 能计算方法，阐述了其工 作原理和特点，同时对智 能计算方法的发展进行了 展望。智来自计算几种经典算法解析-3-
智能计算几种经典算法解析
一.人工神经网络算法
◆人工神经网络
人工神经网络是在对人脑组织结构和运 行机制的认识理解基础之上模拟其结构 和智能行为的一种工程系统。早在本世 纪40年代初期，心理学家McCulloch、 数学家Pitts就提出了人工神经网络的第 一个数学模型，从此开创了神经科学理 论的研究时代。其后，F Rosenblatt、 Widrow和J. J .Hopfield等学者又先后 提出了感知模型，使得人工神经网络技 术得以蓬勃发展。
• 引言
智能算法也称作为“背影算法”，是人们 从现实的生活中的各种现象总结出来的算 法。它是从自然界得到启发，模仿它的原 理而得到的算法，这样我们可以利用仿生 原理进行设计我们的解决问题的路径，这 就是智能计算的思想。这方面的内容很多， 如人工神经网络技术、遗传算法、模拟退 火算法等，下面分别对其进行分析。
一.人工神经网络算法 ◆ BP人工神经网络模型的构造
智能计算几种经典算法解析
二.模糊系统算法
◆模糊系统算法
模糊概念在生活中普遍存在，如“高”，“大”等。 这些模糊概念蕴含了许多了许多不确定信息，人脑可 以很容易的通过这些不完整不精确信息做出判断和决 策。然而，对于精确的电子计算机而言，处理含糊不 清的信息却是相当困难的。基于这个原因，美国控制 论专家扎德（Zadeh.L.A）于1965年提出了模糊集合的 概念
-8-
智能计算几种经典算法解析
二.模糊系统算法
◆自校正模糊控制
针对普遍控制器参数和控制规则在系统运动时无 法在线调整，自适应能力差的缺陷，自校正模糊控制 器可以在线修正模糊控制器的参数或控制规则，从而 增强模糊控制器的自适应能力，提高了控制系统的动 静态性能和鲁棒性。
-9-
智能计算几种经典算法解析
智能计算几种经典算法解析
四.退火算法
◆ SA算法的基本思想
它引入了一个接受概率p。如果新的点（设为 pn）的目标函数f（pn）更好，则p=1，表示 选取新点；否则，接受概率p是当前点（设为 pc）的目标函数f（pc），新点的目标函数f （pn）以及另一个控制参数“温度”T的函数。 也就是说，模拟退火没有像局部搜索那样每 次都贪婪地寻找比现在好的点，目标函数差 一点的点也有可能接受进来。随着算法的执 行，系统温度T逐渐降低，最后终止于某个低 温，在该温度下，系统不再接受变化。
-12-
智能计算几种经典算法解析
三.遗传算法
◆遗传算法的应用 (1)优化：遗传算法可用于各种优化问题。既包括 数量优化问题，也包括组合优化问题； (2)程序设计：遗传算法可以用于某些特殊任务的 计算机程序设计； (3)机器学习：遗传算法可用于许多机器学习的应 用，包括分类问题和预测问题等
-13-
智能计算几种经典算法解析
四.退火算法
◆模拟退火算法的原理
模拟退火算法的依据是固体物质退火过 程和组合优化问题之间的相似性。物质 在加热的时候，粒子间的布朗运动增强， 到达一定强度后，固体物质转化为液态， 这个时候再进行退火，粒子热运动减弱， 并逐渐趋于有序，最后达到稳定。 模拟退火的解不再像局部搜索那样最后 的结果依赖初始点。
-10-
智能计算几种经典算法解析
三.遗传算法
◆遗传算法的原理
遗传算法(GA)是模拟生物在自然环境下的遗传和进化过 程而形成的一种自适应全局优化概率搜索方法。其采纳 了自然进化模型，从代表问题可能潜在解集的一个种群 开始，种群由经过基因编码的一定数目的个体组成。每 个个体实际上是染色体带有特征的实体；初始种群产生 后，按照适者生存和优胜劣汰的原理，逐代演化产生出 越来越好的解：在每一代，概据问题域中个体的适应度 大小挑选个体；并借助遗传算子进行组合交叉和主客观 变异，产生出代表新的解集的种群。这一过程循环执行， 直到满足优化准则为止。最后，末代个体经解码，生成 近似最优解。
-7-
智能计算几种经典算法解析
二.模糊系统算法
◆模糊系统特点
基于模糊数学理论包括迷糊集合、模糊逻辑、模糊规则、模糊推 理和隶属度等。 在模糊系统中，元素与模糊集合之间的关系是不确定的，即在传 统集合论中元素与集合“非此即彼”的关系不确定。元素与模糊 集合的隶属关系是通过隶属度函数来度量的。当一个元素确定属 于某个模糊集合，则这个元素对该迷糊集合的隶属度为1；当这 个元素确定不属于该模糊集合时，则此时的隶属度值为0；当无 法确定该元素是属于某个模糊集合时，隶属度值为一个属于0到1 之间的连续数值。 在迷糊系统中，知识是以模糊规则的形式存储的。
二.模糊系统算法
◆模糊系统的应用
模糊系统能够很好的处理人们生活中的模糊概念，清晰地表达知 识，而且善于利用学科领域的知识，具有很强的推理能力。 模糊系统主要应用在自动控制、模式识别和故障诊断等领域并且 取得了令人振奋的成果，但是大多数迷糊系统都是利用已有的专 家知识，缺乏自学习能力，无法对自动提取模糊规则和生成隶属 度函数。针对这一问题，可以通过与神经网络算法、遗传算法等 自学习能力强的算法融合来解决。 目前，很多学者正在研究模糊神经网络和神经模糊系统，这是对 传统算法研究和应用的创新。
智能计算几种经典算法解析
一.人工神经网络算法
◆ 人工神经网络的特点
1. 人工神经网络的知识存储容量很大。 2. 具有很强的不确定性信息处理能力。 3. 健壮性。生物神经网络不会因为个 别神经元的损失而失去对原有模式的记 忆。 4. 神经网络是一种具有高度非线性的 超大规模连续时间动力学系统
智能计算几种经典算法解析