《人工智能及其应用》课件第6章 智能计算.pptx
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《《人工智能及其应用》课件第6章 智能计算.pptx》由用户(momomo)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能及其应用 人工智能及其应用课件第6章 智能计算 人工智能 及其 应用 课件 智能 计算
- 资源描述:
-
1、第第6 6章章 智能计算智能计算 有些有些人担心人工智能的出现会令人类感到人担心人工智能的出现会令人类感到自卑,但任何有头脑的人单是观察花朵就应该自卑,但任何有头脑的人单是观察花朵就应该能感到自己的渺小。能感到自己的渺小。艾伦凯6.16.1进化算法进化算法6.1.16.1.1进化算法的概念进化算法的概念 进化算法进化算法(Evolutionary AlgorithmsEvolutionary Algorithms,EAEA)是基于自然)是基于自然选择和自然遗传等生物进化机制的一种搜索算法选择和自然遗传等生物进化机制的一种搜索算法。进化进化算法是以达尔文的进化论思想为基础,通过模拟生物算法是以达
2、尔文的进化论思想为基础,通过模拟生物进化过程与机制的求解问题的自组织、自适应的人工智能技术,进化过程与机制的求解问题的自组织、自适应的人工智能技术,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。6.1.26.1.2进化算法的生物机理进化算法的生物机理 生物生物遗传物质的主要载体是染色体遗传物质的主要载体是染色体(ChromosomeChromosome),),DNADNA是其中最主要的遗传物质是其中最主要的遗传物质。染色体染色体中基因的位置称作基因座,而基因所取中基因的位置称作基因座,而基因所取的值又叫等位基因的值又叫等位基因。基因基
3、因和基因座决定了染色体的特征,也决定了和基因座决定了染色体的特征,也决定了生物个体(生物个体(individualindividual)的性状。如头发的颜色是)的性状。如头发的颜色是黑色、棕色或者金黄色等。黑色、棕色或者金黄色等。6.1.36.1.3进化算法的设计原则进化算法的设计原则(1 1)适用性)适用性原则原则 该该算法所能适用的问题种类,它取决于算法所需的限制与假定。优化问题的不算法所能适用的问题种类,它取决于算法所需的限制与假定。优化问题的不同,则相应的处理方式也不同。同,则相应的处理方式也不同。(2 2)可靠性)可靠性原则原则 算法算法对于所设计的问题,以适当的精度求解其中大多数问
4、题的能力。因为演化对于所设计的问题,以适当的精度求解其中大多数问题的能力。因为演化计算的结果带有一定的随机性和不确定性,所以,在设计算法时应尽量经过较大样计算的结果带有一定的随机性和不确定性,所以,在设计算法时应尽量经过较大样本的检验,以确认算法是否具有较大的可靠度。本的检验,以确认算法是否具有较大的可靠度。(3 3)收敛性)收敛性原则原则 指指算法能否收敛到全局最优。在收敛的前提下,希望算法具有较快的收敛速度。算法能否收敛到全局最优。在收敛的前提下,希望算法具有较快的收敛速度。6.1.36.1.3进化算法的设计原则进化算法的设计原则(4 4)稳定性)稳定性原则原则 指指算法对其控制参数及问题
5、的数据的敏感度算法对其控制参数及问题的数据的敏感度。在。在设计算法时应尽量使设计算法时应尽量使得算法对一组固定的控制参数能在较广泛的问题的数据范围内解题,而且得算法对一组固定的控制参数能在较广泛的问题的数据范围内解题,而且对一组给定的问题数据,算法对其控制参数的微小扰动不很敏感。对一组给定的问题数据,算法对其控制参数的微小扰动不很敏感。(5 5)生物类比)生物类比原则原则 因为因为进化算法的设计思想是基于生物演化过程的,所以那些在生物界进化算法的设计思想是基于生物演化过程的,所以那些在生物界被认为是有效的方法及操作可以通过类比的方法引入到算法中,有时会带被认为是有效的方法及操作可以通过类比的方
6、法引入到算法中,有时会带来较好的结果。来较好的结果。6.26.2基本遗传算法基本遗传算法6.26.2基本遗传算法基本遗传算法6.2.26.2.2编码编码 遗传遗传算法中包含了五个基本算法中包含了五个基本要素要素:参数参数编码、初始群体的设定、适应度函数的设计、遗传操作编码、初始群体的设定、适应度函数的设计、遗传操作设计和控制参数设定。设计和控制参数设定。由于遗传算法不能直接处理问题空间的参数,因此,必须通由于遗传算法不能直接处理问题空间的参数,因此,必须通过编码将要求解的问题表示成遗传空间的染色体或者个体。过编码将要求解的问题表示成遗传空间的染色体或者个体。6.2.26.2.2编码编码6.2.
7、26.2.2编码编码6.2.26.2.2编码编码2.2.实数编码实数编码 为克服二进制编码的缺点,对问题的变量是实向量的情形,可以直接采为克服二进制编码的缺点,对问题的变量是实向量的情形,可以直接采用实数编码用实数编码。实数实数编码是用若干实数表示一个个体,然后在实数空间上进行遗传操作。编码是用若干实数表示一个个体,然后在实数空间上进行遗传操作。采用实数表达法不必进行数制转换,可直接在解的表现型上进行遗传操作。采用实数表达法不必进行数制转换,可直接在解的表现型上进行遗传操作。从而可从而可引入与引入与问题领域相关的启发式信息来增加算法的搜索能力问题领域相关的启发式信息来增加算法的搜索能力。3.3
8、.多参数级联编码多参数级联编码 对于多参数优化问题的遗传算法,常采用多参数级联编码对于多参数优化问题的遗传算法,常采用多参数级联编码。把把每个参数先进行二进制编码得到子串,再把这些子串连成一个完整的每个参数先进行二进制编码得到子串,再把这些子串连成一个完整的染色体染色体。多多参数级联编码中的每个子串对应各自的编码参数,所以,可以有不同参数级联编码中的每个子串对应各自的编码参数,所以,可以有不同的串长度和参数的取值范围。的串长度和参数的取值范围。6.2.36.2.3群体设定群体设定1.1.初始种群的产生初始种群的产生 遗传算法中初始群体中的个体可以是随机产生的,但最好采用如下策略遗传算法中初始群
9、体中的个体可以是随机产生的,但最好采用如下策略设定:设定:根据问题固有知识,设法把握最优解所占空间在整个问题空间中的分布范根据问题固有知识,设法把握最优解所占空间在整个问题空间中的分布范围,然后,在此分布范围内设定初始群体。围,然后,在此分布范围内设定初始群体。先随机产生一定数目的个体,然后从中挑选最好的个体加入初始群体中。先随机产生一定数目的个体,然后从中挑选最好的个体加入初始群体中。这种过程不断迭代,直到初始群体中个体数目达到了预先确定的规模。这种过程不断迭代,直到初始群体中个体数目达到了预先确定的规模。6.2.36.2.3群体设定群体设定6.2.46.2.4适应度函数适应度函数6.2.4
10、6.2.4适应度函数适应度函数6.2.46.2.4适应度函数适应度函数6.2.56.2.5选择选择 1.1.个体选择概率分配方法个体选择概率分配方法 在遗传算法中,哪个个体被选择进行交叉是按照概率进行的在遗传算法中,哪个个体被选择进行交叉是按照概率进行的。适应适应度大的个体被选择的概率大,但不是说一定能够被选上。同样,适度大的个体被选择的概率大,但不是说一定能够被选上。同样,适应度小的个体被选择的概率小,但也可能被选上。所以,首先要根据个体的应度小的个体被选择的概率小,但也可能被选上。所以,首先要根据个体的适应度确定被选择的概率适应度确定被选择的概率。6.2.56.2.5选择选择6.2.56.
11、2.5选择选择 1.1.个体选择概率分配方法个体选择概率分配方法 (2 (2)排序方法)排序方法 排序方法排序方法(Rank-based-Model(Rank-based-Model)是计算每个个体的适应度后,根据适应度)是计算每个个体的适应度后,根据适应度大小顺序对群体中个体进行排序,然后把事先设计好的概率按排序分配给个大小顺序对群体中个体进行排序,然后把事先设计好的概率按排序分配给个体,作为各自的选择概率体,作为各自的选择概率。在在排序方法中,选择概率仅仅取决于个体在种群中的序位,不是实际的排序方法中,选择概率仅仅取决于个体在种群中的序位,不是实际的适应度值。排在前面的个体有较多的被选择的
展开阅读全文