人工智能课件 －04.计算智能.ppt

第4章 计算智能 第一节 概述 第一节 概述 第一节 概述 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第二节 模糊计算 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第三节 粗糙集理论 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第四节 遗传算法 第五节 进化策略 第五节 进化策略 第五节 进化策略 第五节 进化策略 第五节 进化策略 第六节 进化编程(进化规划) 第六节 进化编程 第六节 进化编程 第七节 人工生命 第七节 人工生命 第七节 人工生命 第七节 人工生命 第七节 人工生命 第七节 人工生命 第八节 粒群优化(PSO) 第八节 粒群优化 第八节 粒群优化 第八节 粒群优化 第八节 粒群优化 第八节 粒群优化 第八节 粒群优化 第八节 粒群优化 第八节 粒群优化 第九节 蚁群算法(ANG) 第九节 蚁群算法 第九节 蚁群算法 第九节 蚁群算法 第九节 蚁群算法 第九节 蚁群算法 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 第十节 免疫计算 1、个体的表示方法 在进化策略中，搜索空间是一个n维空间。因此，搜索点就是一个n维向量x∈Rn。 个体的一般表示(三元表示)： X={x,σ,α}={(x1,…,xn),(σ1,…, σn),(α1,…,αn)} 取连续值的向量x 由两部分组成 微小的变动量 微小由步长σ∈Rn和回转角α∈Rn(n+1)/2组成，服从正态分布。 2、初始群体的产生 由μ个个体组成，采用随机方法产生。 3、适应度函数 直接采用目标函数作为适应度函数，不进行任何变换处理。 f(x) = F(x) 4、变异算子 变异操作是产生新个体的主要方法，变异规则为 σ’= σi?exp[t ? N(0,1) + t’ ? Ni(0,1) ] xi’ = xi + N(0,σ’) 其中，N(0,1)表示均值为0,方差为1的正态随机变量。 5、交叉算子 是一种辅助手段 6、选择算子 两种方法： (1)从λ个个体中选择出μ个适应度最高的个体。 (2)将μ个父个体和其所产生的λ个子代个体合并在一起，并从λ+ μ个中选择μ个适应度最高的个体。 二、进化策略与遗传算法的区别 (1)研究领域不同。 进化策略---数值优化方法 遗传算法---自适应搜索方法 (2)表示个体的方法不同 进化策略---浮点向量表示 遗传算法---二进制向量 (3)选择过程不同 (4)复制参数不同 进化策略---时时改变 遗传算法---保持恒定 一、进化规划的基本算法构成