智能計算幾種經(jīng)典算法解析

智能計算幾種經(jīng)典算法解析第一頁，共二十頁，編輯于2023年，星期三-2-

智能計算幾種經(jīng)典算法解析●人工神經(jīng)網(wǎng)絡(luò)算法●模糊系統(tǒng)算法●遺傳算法●退火算法●展望第二頁，共二十頁，編輯于2023年，星期三智能計算幾種經(jīng)典算法解析隨著計算機技術(shù)的飛速發(fā)展，智能計算方法的應(yīng)用領(lǐng)域也越來越廣泛。本文介紹了當前存在的一些智能計算方法，闡述了其工作原理和特點，同時對智能計算方法的發(fā)展進行了展望。第三頁，共二十頁，編輯于2023年，星期三-4-智能計算幾種經(jīng)典算法解析

引言智能算法也稱作為“背影算法”，是人們從現(xiàn)實的生活中的各種現(xiàn)象總結(jié)出來的算法。它是從自然界得到啟發(fā)，模仿它的原理而得到的算法，這樣我們可以利用仿生原理進行設(shè)計我們的解決問題的路徑，這就是智能計算的思想。這方面的內(nèi)容很多，如人工神經(jīng)網(wǎng)絡(luò)技術(shù)、遺傳算法、模擬退火算法等，下面分別對其進行分析。第四頁，共二十頁，編輯于2023年，星期三智能計算幾種經(jīng)典算法解析一.人工神經(jīng)網(wǎng)絡(luò)算法◆人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是在對人腦組織結(jié)構(gòu)和運行機制的認識理解基礎(chǔ)之上模擬其結(jié)構(gòu)和智能行為的一種工程系統(tǒng)。早在本世紀40年代初期，心理學(xué)家McCulloch、數(shù)學(xué)家Pitts就提出了人工神經(jīng)網(wǎng)絡(luò)的第一個數(shù)學(xué)模型，從此開創(chuàng)了神經(jīng)科學(xué)理論的研究時代。其后，F(xiàn)Rosenblatt、Widrow和J.J.Hopfield等學(xué)者又先后提出了感知模型，使得人工神經(jīng)網(wǎng)絡(luò)技術(shù)得以蓬勃發(fā)展。第五頁，共二十頁，編輯于2023年，星期三智能計算幾種經(jīng)典算法解析一.人工神經(jīng)網(wǎng)絡(luò)算法◆人工神經(jīng)網(wǎng)絡(luò)的特點1.人工神經(jīng)網(wǎng)絡(luò)的知識存儲容量很大。2.具有很強的不確定性信息處理能力。3.健壯性。生物神經(jīng)網(wǎng)絡(luò)不會因為個別神經(jīng)元的損失而失去對原有模式的記憶。4.神經(jīng)網(wǎng)絡(luò)是一種具有高度非線性的超大規(guī)模連續(xù)時間動力學(xué)系統(tǒng)第六頁，共二十頁，編輯于2023年，星期三智能計算幾種經(jīng)典算法解析一.人工神經(jīng)網(wǎng)絡(luò)算法◆BP人工神經(jīng)網(wǎng)絡(luò)模型的構(gòu)造第七頁，共二十頁，編輯于2023年，星期三-8-智能計算幾種經(jīng)典算法解析二.模糊系統(tǒng)算法◆模糊系統(tǒng)算法模糊概念在生活中普遍存在，如“高”，“大”等。這些模糊概念蘊含了許多了許多不確定信息，人腦可以很容易的通過這些不完整不精確信息做出判斷和決策。然而，對于精確的電子計算機而言，處理含糊不清的信息卻是相當困難的?；谶@個原因，美國控制論專家扎德（Zadeh.L.A）于1965年提出了模糊集合的概念第八頁，共二十頁，編輯于2023年，星期三-9-智能計算幾種經(jīng)典算法解析二.模糊系統(tǒng)算法◆模糊系統(tǒng)特點基于模糊數(shù)學(xué)理論包括迷糊集合、模糊邏輯、模糊規(guī)則、模糊推理和隸屬度等。在模糊系統(tǒng)中，元素與模糊集合之間的關(guān)系是不確定的，即在傳統(tǒng)集合論中元素與集合“非此即彼”的關(guān)系不確定。元素與模糊集合的隸屬關(guān)系是通過隸屬度函數(shù)來度量的。當一個元素確定屬于某個模糊集合，則這個元素對該迷糊集合的隸屬度為1；當這個元素確定不屬于該模糊集合時，則此時的隸屬度值為0；當無法確定該元素是屬于某個模糊集合時，隸屬度值為一個屬于0到1之間的連續(xù)數(shù)值。在迷糊系統(tǒng)中，知識是以模糊規(guī)則的形式存儲的。第九頁，共二十頁，編輯于2023年，星期三-10-智能計算幾種經(jīng)典算法解析二.模糊系統(tǒng)算法◆自校正模糊控制

針對普遍控制器參數(shù)和控制規(guī)則在系統(tǒng)運動時無法在線調(diào)整，自適應(yīng)能力差的缺陷，自校正模糊控制器可以在線修正模糊控制器的參數(shù)或控制規(guī)則，從而增強模糊控制器的自適應(yīng)能力，提高了控制系統(tǒng)的動靜態(tài)性能和魯棒性。第十頁，共二十頁，編輯于2023年，星期三-11-智能計算幾種經(jīng)典算法解析二.模糊系統(tǒng)算法◆模糊系統(tǒng)的應(yīng)用模糊系統(tǒng)能夠很好的處理人們生活中的模糊概念，清晰地表達知識，而且善于利用學(xué)科領(lǐng)域的知識，具有很強的推理能力。模糊系統(tǒng)主要應(yīng)用在自動控制、模式識別和故障診斷等領(lǐng)域并且取得了令人振奮的成果，但是大多數(shù)迷糊系統(tǒng)都是利用已有的專家知識，缺乏自學(xué)習(xí)能力，無法對自動提取模糊規(guī)則和生成隸屬度函數(shù)。針對這一問題，可以通過與神經(jīng)網(wǎng)絡(luò)算法、遺傳算法等自學(xué)習(xí)能力強的算法融合來解決。目前，很多學(xué)者正在研究模糊神經(jīng)網(wǎng)絡(luò)和神經(jīng)模糊系統(tǒng)，這是對傳統(tǒng)算法研究和應(yīng)用的創(chuàng)新。第十一頁，共二十頁，編輯于2023年，星期三-12-智能計算幾種經(jīng)典算法解析三.遺傳算法◆遺傳算法的原理

遺傳算法(GA)是模擬生物在自然環(huán)境下的遺傳和進化過程而形成的一種自適應(yīng)全局優(yōu)化概率搜索方法。其采納了自然進化模型，從代表問題可能潛在解集的一個種群開始，種群由經(jīng)過基因編碼的一定數(shù)目的個體組成。每個個體實際上是染色體帶有特征的實體；初始種群產(chǎn)生后，按照適者生存和優(yōu)勝劣汰的原理，逐代演化產(chǎn)生出越來越好的解：在每一代，概據(jù)問題域中個體的適應(yīng)度大小挑選個體；并借助遺傳算子進行組合交叉和主客觀變異，產(chǎn)生出代表新的解集的種群。這一過程循環(huán)執(zhí)行，直到滿足優(yōu)化準則為止。最后，末代個體經(jīng)解碼，生成近似最優(yōu)解。第十二頁，共二十頁，編輯于2023年，星期三-13-智能計算幾種經(jīng)典算法解析三.遺傳算法◆遺傳算法的特點遺傳算法是解決搜索問題的一種通用算法。搜索算法的共同特征為：(1)首先組成一組候選解；(2)依據(jù)某些適應(yīng)性條件測算這些候選解的適應(yīng)度；(3)根據(jù)適應(yīng)度保留某些候選解，放棄其他候選解；(4)對保留的候選解進行某些操作，生成新的候選解。在遺傳算法中，上述幾個特征以一種特殊的方式組合在一起：基于染色體群的并行搜索，帶有猜測性質(zhì)的選擇操作、交換操作和突變操作。這種特殊的組合方式將遺傳算法與其它搜索算法區(qū)別開來第十三頁，共二十頁，編輯于2023年，星期三-14-智能計算幾種經(jīng)典算法解析三.遺傳算法◆遺傳算法的應(yīng)用(1)優(yōu)化：遺傳算法可用于各種優(yōu)化問題。既包括數(shù)量優(yōu)化問題，也包括組合優(yōu)化問題；(2)程序設(shè)計：遺傳算法可以用于某些特殊任務(wù)的計算機程序設(shè)計；(3)機器學(xué)習(xí)：遺傳算法可用于許多機器學(xué)習(xí)的應(yīng)用，包括分類問題和預(yù)測問題等第十四頁，共二十頁，編輯于2023年，星期三智能計算幾種經(jīng)典算法解析四.退火算法◆模擬退火算法的原理模擬退火算法的依據(jù)是固體物質(zhì)退火過程和組合優(yōu)化問題之間的相似性。物質(zhì)在加熱的時候，粒子間的布朗運動增強，到達一定強度后，固體物質(zhì)轉(zhuǎn)化為液態(tài)，這個時候再進行退火，粒子熱運動減弱，并逐漸趨于有序，最后達到穩(wěn)定。模擬退火的解不再像局部搜索那樣最后的結(jié)果依賴初始點。第十五頁，共二十頁，編輯于2023年，星期三智能計算幾種經(jīng)典算法解析四.退火算法◆SA算法的基本思想它引入了一個接受概率p。如果新的點（設(shè)為pn）的目標函數(shù)f（pn）更好，則p=1，表示選取新點；否則，接受概率p是當前點（設(shè)為pc）的目標函數(shù)f（pc），新點的目標函數(shù)f（pn）以及另一個控制參數(shù)“溫度”T的函數(shù)。也就是說，模擬退火沒有像局部搜索那樣每次都貪婪地尋找比現(xiàn)在好的點，目標函數(shù)差一點的點也有可能接受進來。隨著算法的執(zhí)行，系統(tǒng)溫度T逐漸降低，最后終止于某個低溫，在該溫度下，系統(tǒng)不再接受變化。第十六頁，共二十頁，編輯于2023年，星期三智能計算幾種經(jīng)典算法解析四.退火算法◆模擬退火算法的特點

模擬退火的典型特征是除了接受目標函數(shù)的改進外，還接受一個衰減極限，當T較大時，接受較大的衰減，當T逐漸變小時，接受較小的衰減，當T為0時，就不再接受衰減。這一特征意味著模擬退火與局部搜索相反，它能避開局部極小，并且還保持了局部搜索的通用性和簡單性。值得注意的是，當T為0時，模擬退火就成為局部搜索的一個特例。第十七頁，共二十頁，編輯于2023年，星期三智能計算幾種經(jīng)典算法解析四.退火算法◆SA算法的優(yōu)缺點

優(yōu)點：高效，靈活，通用，初值魯棒性強，適用于并行處理，可用于求解復(fù)雜的非線性優(yōu)化問題。缺點：由于要求較高的初始溫度、較慢的降溫速率、較低的終止溫度，以及各溫度下足夠多次的抽樣，因此其收斂速度慢，執(zhí)行時間長，算法性能與初始值有關(guān)及參數(shù)敏感等缺點。第十八頁，共二十頁，編輯于2023年，星期三-19-智能計算幾種經(jīng)典算法解析●展望

目前的智能計算研究水平暫時還很難使“智能機器”真正具備人類的常識，但智能計算將在21世紀蓬勃