智能计算考试复习资料

第一章绪论、能算—智能计算是信息科学、生命科学、认科学等不同学科相互交叉的产物。它主要借鉴仿生学和拟物的思想于人们对生物体智能机理和某些自然规律的认识用数值计算的方法去模拟和实现人类的智能、生物智能、其它社会和自然规律。、能算应领——图处理、数学计算、调度管理、市场营销、模式识别，另外，还应用于设备维修、更新和可靠性分析，项目的选择与评价，工程优化设计等。第二章演计算、化算—化计算是采用二进制编码或实数编码技术来表示各种复杂问题的结构，并通过对这些编码进行交叉和变异操作来实现优胜劣汰的自然选择指导学习和确定搜索的方向。、化算本念1种群poputation若干个个体组成个体的集合，称为种(2迭代步（或演化代）3群规size中含有的个体的数量叫做种群的(populationsize)4个体（individual:一二进制串叫做一个个(。5父代（parent）6后代（offspring）7问题空间：待求解问题的所有解8基因空间：所有编码组合9染色体：问题解的编码串、因色的每一位、基因位因染色体中所处的位置12等位基因（allele因取值13基因型码间中的点14表现型:演算法通常要将问题的解进行编码，即通过变换将问题空间映射到编码空间，这个变换要求是可逆的，称为解码变换，被称为表现型15模式：表示中一些特定的子集。如果用*示个通配符，即在该位置既可以取0又以取空表示集合{，，01011。

表示所有模式全体l=5时式H=01**116模式的阶：出现在模式中取确定值位置的数目，如H=01**1的为17模式的长度：模式中第一个取确定值位置与最后一个取确定值位置之间的距离。、传法本路会流程图）

适应度函数的选取方式、化算编设的法（1二进制编码（2格雷Gray)码（3动态编码（4实数编码（5有序串编码（6结构式编码、传法以哪方做进？（1控制参数的调整（2遗传算子的改进3与其它启发式搜索技术结合构成的基本遗传算法的混合搜索算法、化算主特——、能性、并行性3、处理对象的多样性、群体搜索性、稳健性、随机性7、挑战性第三章蚁算法应领—这方法能够被用于解决大多数优化问题或者能够转化为优化求解的问题。现在其应用领域已扩展到多目标优化、数据分类、数据聚类、模式识别、电信管、生物系统建模、流程规划、信号处理、机器人控制、决策支持以及仿真和系统辩识等方面，群智能理论和方法为解决这类应用问题提供了新的途径。、算法实现步骤（下载蚁群算法求解流程图）、蚁群算法的数学建模模型29）

、公式（）用如下公式对路上的信息素痕迹加强，对其他路径上的信息素进行挥发。

ijij

(k)(1ij(k)(1ij

(kij)为上的条弧W(k(ij不是W上一弧

得到新的

ij

),:k、会写算法、优缺点优点、无集中控制约束，不会因个别个体的故障影响整个问题的求解，确保了系统具备更强的鲁棒性直的信息交流方式确保了系统的扩展性分式算法模型，可充分利用多处理器4对问题定义的连续性无特殊要求、法实现简单缺点：、搜索时间长2易陷于局部最优解、收敛速度慢、改进（为什么、如何）（1状态转移规则为更好更合理地利用新路径和利用关于问题的先验知识提供了方法（2全局更新规则应用于最优的蚂蚁路径上（3在建立问题解决方案的过程中，应用局部信息素更新规则第四章模拟火算、基本思想和步骤个数、两个准则）

ijiiiiijiiii、MP准则•准（）以率接受新状态固体在恒定温度下达到热平衡的过程可以用Carlo方（计算机随机模方法）加以模拟，虽然该方法简单，但必须大量采样才能得到比较精确的结果，计算量很大。若在温度，当前状态i→新态j若<，则接受j为当前状态；否则若概率Ej-Ei)/]大[区间的随机数则仍接受状态j为当前状态；若不成立则保留状态i为当前状态。=exp[-(Ej-EikBT]在高温下，可接受与当前状态能量差较大的新状态；在低温下，只接受与当前状态能量差较小的新状态。第五章神网络、工作原理（图、能想到的函数5）激函：、线性函数、非线性斜面函数、阈值函数）跃函数4形函数、种经络拓结（1感知器：学规则（2）BP网构造一个函数E（，）=1/2（wx-B）、子数字）思路：、、、4…、习则）感知器学习规则的实质为：权值的变化量等于正负输入矢量。对于所有的i和jil，，，；j＝12…r，感知器修正权值公式为：)*j)*1i

、异或问题——一个只有两个输入和一个输出，且输入输出都只取1和个值的问题。线性不可分问题——单层感知器不能表达的问题被称为线性不可分问题。、网络模型（可只标大小写）会写学习规则第六章贪算法、心法从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的地求得更好的解。当达到某算法中的某一步不能再继续前进时，算法停止。该算法存在问题：•不保证求得的最后解是最佳的；•不用来求最大或最小解问题；•只求满足某些约束条件的可行解的范围、举例常见例子，如构造哈弗曼树，求最小生成树第七章分治、治——所谓分治，就字面意思而言，就是分而治之，将一个问题分解成为若干个与原有问题相似但规模较小的子问题后递归的求解这些子问题后并这些子问题的结果就得到原问题的解了。一个问题能否用分治法解决，关键是看该问题是否能将原问题分成个模较小而结构与原问题相似的子问题。递归的解决这些子问题，然后合并其结果就得到原问题的解。、分—当n=2的分治法又称二分法。第八章动规划、想—有明显的阶段划分和状态转移方程的动规划称为标准动态规划，这种标准动态规划是在研究多阶段决策问题时推导出来的有格的数学形式合于理论上的分析。动态规划的实质是分治思想和解决冗余，因此，动态规划是一种将问题实例分解为更小的相的子问题并储子问的解而避免计算重复的子问题解决最优化问题的算法策略。动态规划是一种分段最优化方法既可以用来求解约束条件下的函数极值问题可以用来求解约束条件下的泛函极值问题与小值原理一样处理控制矢量被限制在一定的闭集内，求解最优控制问题的有效数学方法之一。动态规划的核心是最优性原理，它首先将一个多段决策问题转化为一系列单段决策问题，然后从最后一段状态开始逆向递推到初始状态为止的一套求解最优策略的完整方法。动态规划法与分治法和贪心法类似都将问题实例归纳为更小的的子问题，

并通过求解子问题产生一个全局最优解贪心法的当前选择可能要依赖已经作出的所有选择不依赖于有待于做出的选择和子问题法自顶向下步步地作出贪心选择；而分治法中的各个子问题是独立的（即不包含公共的子子问题此一旦递归地求出各子问题的解后，便可自下而上地将子问题的解合并成问题的解。、设计一个标准的动态规划算法，通常可按以下几步进行（）划分阶段：按照问题的时间或空间特征，把问题分为若干个阶段。注意这若干个阶段一定要是有序的或者是可排序的（即无后向性问题就无法用动态规划求解。（）选择状态：将问题发展到各个阶段时所处于的各种客观情况用不同的状态表示出来。当然，状态的选择要满足无后效性。第九章灰预测、了解——灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的，但它毕竟有序的，是有整体功能的。灰数的生成，就是从杂乱中寻找出规律。同时，灰色理论建立的是生成数据模型，不是原始数据模型，因此，灰色预测的数据是通过生成数据的gm(1,1)模型所得到的预测值的逆处理结果。第十章专系统、家统—家系统是一种模人专解领问题计机序统–具有大量的专门知识与经验–根据某领域一个或多个专家提供的知识和经验，进行推理和判断–需要解决的问题要足够的复杂、成分体结、识达方—1基于规则的表达方法、基于框架的表达方法