6章计算智能人工智能研究生课程.ppt

第6章 计算智能 6.1 神经网络 神经网络例子 识别四个动物的神经网络例子 模式识别 结果 B-P神经网络 神经网络特点 6.2 遗传算法 1．参数编码 3．适应度函数的设计 4．杂交算子 ???? Schaffer涟漪函数 遗传算法例子　　MAX: f(x1,x2)=x12+x22 遗传算法的特点 6.3 模糊计算 6.3 模糊信息处理 6.3.2 隶属函数的确定方法 6.3.3 常用的隶属函数类型 6.3.4. 基本运算 6.3.5 模糊推理和判决 2 最大隶属判别 3 限幅最大隶属判别 6.4 群优化算法 3．粒群优化算法 4．蚁群算法基本原理 实例---蚁群TSP系统模型1 实例---蚁群TSP系统模型2 应用---蚁群TSP系统模型3 应用 6.5 人工免疫 生物学定义和工程问题对应关系 功能机理和简化模型 实例--最优潮流的数学模型。。 最优潮流的人工免疫算法实现。 算法的主要步骤 算法的主要步骤2 IEEE30人工免疫算法和精英遗传算法收敛曲线 人工免疫应用 智能人工系统的展望 人工智能的哲学启思 上述蚁群系统模型是一个递归过程，计算机上实现过程可用伪代码如下： begin ncycle: = 0; bestcycle: = 0; τij=C; Δτij(0) =0; ηij由某种启发算法定 tabuk=φ; while (not termination condition) {ncycle =ncycle+1; for (index =0; indexn;index+ +) index表示当前已经走过的城市个数 {for (k = 0; km;k++) {以概率选择城市j; j{0,1,,n--1}tabuk; 将刚刚选择的城市j加到tabuk中 计算(index)，τij (index+n) 确定本次循环中找到的最佳路径} 输出最佳路径及最佳结果 end * 粒子滤波 电话网络路径选择 数据通信网络的路由优化 机器人建模和优化等。它们合作搬运的特性产生了机器人式的实现。 ? 二次分配问题； 作业调度问题； 图表着色问题； 最短公超序问题； ? 蚁群算法源于对自然界中的蚂蚁寻找蚁巢到食物以及食物回到蚁巢的最短 路径方法的研究。它是一种并行算法，所有“蚂蚁”均独立行动，没有监督 机构。它又是一种合作算法，依靠群体行为进行寻优；它还是一种鲁棒算 法，只要对算法稍作修改，就可以求解其他组合优化问题。 * 社会角色的相互作用性 生物系统中的信息处理系统四种类型(人是最完美的系统) 脑神经系统(神经网络)、遗传系统(进化计算)、 免疫系统(人工免疫系统)和内分泌系统(?研究开发)。 用来模拟自然界中生物免疫原理，对外界侵害进行识别、学习和防御操作，到系统损害的最小化，从而实现系统鲁棒性、安全性和智能性的最大化。 自然免疫系统是复杂自适应系统，免疫系统的主要作用是识别所有身体内的细胞，并将分类为自体（我要）和非自体（我不要）。免疫系统在外部病原体和身体自己的细胞之间进行辨别，产生抗体消除病原体，通过进化学习、记忆和模式识别能力，有效地使用多种机制防御外部病原体。 免疫系统对外来抗原的识别过程，是寻找能够和抗原结合力最大的抗体的过程。 免疫系统不依靠任何中心控制，具有分布式任务处理能力，具有在局部采取行动的智能，也通过起交流作用的化学信息构成网络，形成全局观念。 * 抗原(antigen)是指所有可能错误的基因，即非最佳个体的基因； （错误解，非优解，干扰。。。。） 疫苗(vaccine)是根据进化环境或待解问题的先验知识得到的对最佳个体 基因的估计； （利用先验知识，历史经验，初始优良解） 抗体(antibody)是指根据疫苗修正某个个体的基因所得到的新个体。 （ 逐步解的过程，直至最优满意解） 亲和力 抗原与抗体之间的结合力v反应了候选解的优劣程度，可以由目标函数的变换得到。 （解的衡量指标） * 器官、淋巴、组织、细胞、体液， * 执行免疫功能的细胞为淋巴细胞(包括T细胞和B细胞)，B细胞的主要作用是识别抗原和分泌抗体，B细胞分泌的抗体与抗原产生结合作用，当它们之间的结合力超过一定限度，分泌这种抗体的B细胞将会发克隆扩增，产生大量相同和相似(考虑变异)的克隆。克隆扩增后到一定浓度，B细胞的一部分克隆分化为记忆细胞，当再次遇到相同的抗原后便可以迅速被激活，实现了对抗原的免疫记忆。 T细胞能够促进和抑制B细胞的产生与分裂：当抗原侵入体内后，当B细胞的浓度增加到