人工智能算法综述_第1页
人工智能算法综述_第2页
人工智能算法综述_第3页
人工智能算法综述_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

人工智能算法综述在人工智能的研究领域普遍存在着优化问题。随着近年来国内外对于人工智能和智能优等都是较为常用的智能优化算法。本文将对其中部分算法的基本思想进行综述。的求解表示成染色体的生存过程，通过群体的幅值、交叉以及变异等操作最终获得最适应环境GA抽象于生物体的进化过程，通过全面模拟自然选择和遗传机制，形成一种具有“生成+检验”特征的搜索算法。它以编码空间代替问题的参数空间，以适应度函数作为评价依据，以编码群体为进化基础，以对群体中个体位串的遗传操作实现选建立起一个迭代过程。在这一过程中，通过随机重组编码位串中重位串集合优于老一代的位串结合，群体的个体不断进化，逐渐接近最优解，最终达到求解问题的目的。GA作为一种通用的优化算法，其主要特点是群体搜索策略和群体中个体间的信息神经网络、组合优化以及图像处理等领域取得了成功的应用。模拟退火算法的来源是复杂组合优化问题与固体的退火过程之间的相似之处。固体的退火过程是一种物理现象，随着温度的下降，固体粒子的热运动逐渐减弱，系统的能量将趋近于最小值，从而得出待求解问题的最优解。模拟退火算法在系统向着蚁群算法是受自然界中真实蚁群的集体觅食行为的启发而发展起来的一种基于群集智能的进化算法，属于随机搜索算法。虽然蚂蚁本身的行为及其简单，但由这些了能够找到蚁巢与食物源之间的最短路径外，还能适应环境的变化，即在蚁群的运动路径上出现障碍物时，蚂蚁能很快的重新找到最短路径。蚂蚁在寻找食物时，能够在其经过的路径上释放一种特有的分泌素——外激素，使该物质强度高的方向移动。一次，蚁群的群体行为表现为一种信息正反馈想想：某条路径上经过的蚂蚁越多，其上留下的外激素痕迹也就越多，后来蚂蚁选择该路径的概率也就越高，从而增加了该路径上的外激素强度。除了各种优化问题外，蚁群算法还在函数优化、系统辨识、机器人路径规划、数据挖掘及大规模集成电路布线设计等领域取得了令人瞩目的成就粒子群优化算法最早起源于对鸟类觅食行为的研究，机理是是对生物群体的社会行为进行模拟。在生物群体中存在着个体与个体、个体与群体之间的相互作用相互影响的行为。这种行为体现的是一种存在于生物群体中的信息共享的机制。PSO就是对这种社会行为的模拟，即利用信息共享机制，使得个体之间可以相互借鉴经验，从而促进整个群体的发展。编码方式也较简单。由于PSO算法容易理解，易于实现，所以发展很快，在函数优主要中诸个体的局部最优，从而达到全局最优的目的。该算法具有良好的

人人文库> 全部分类> 办公材料 > 办公文档

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 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。

最新文档

评论

0/150

提交评论