计算智能及其前延进展综述.docxVIP

研 究 生 课 程 论 文(2015-2016学年第二学期)高级人工智能研究生：王志强提交日期： 9/18/2016 研究生签名：学 号201510105289学 院计算机科学与工程课程编号B0812002课程名称高级人工智能学位类别博士任课教师文贵华教师评语： 成绩评定： 分 任课教师签名： 年 月 日说 明1、课程论文要有题目、作者姓名、摘要、关键词、正文及参考文献。论文题目由研究生结合课程所学内容选定；摘要500字以下，博士生课程论文要求有英文摘要；关键词3～5个；参考文献不少于10篇，并应有一定的外文文献。2、论文要求自己动手撰写，如发现论文是从网上下载的，或者是抄袭剽窃别人文章的，按作弊处理，本门课程考核成绩计0分。3、课程论文用A4纸双面打印。字体全部用宋体简体，题目要求用小二号字加粗，标题行要求用小四号字加粗，正文内容要求用小四号字；经学院同意，课程论文可以用英文撰写，字体全部用Times New Roman，题目要求用18号字加粗；标题行要求用14号字加粗，正文内容要求用12号字；行距为2倍行距（方便教师批注）；页边距左为3cm、右为2cm、上为2.5cm、下为2.5cm；其它格式请参照学位论文要求。4、学位类别按博士、硕士、工程硕士、MBA、MPA等填写。5、篇幅、内容等由任课教师提出具体要求。计算智能及其前延进展综述王志强摘要：计算智能是受到大自然智慧和人类智慧启发而设计出的一类算法的总称，这些算法通常用于寻找优化问题的近似最优解。经典的计算智能算法以模拟退火算法、遗传算法、粒子群优化算法和蚁群算法为代表，该文前一部分以概述这些算法的基本思想方法为主。黑洞优化算法(2013)和化学反应优化算法(2015)是发表于Information Sciences上的近年来有代表性的研究成果，该文的后一部分主要介绍了这两个算法的主要思想方法，评述了算法的优越性和局限性。关键词：计算智能；黑洞优化算法；化学反应优化算法简介本节简要介绍了计算智能的基本概念和应用领域，第一小节试图简明地回答“计算智能是什么?”，第二小节试图简明地回答“计算智能有什么用?”。1.1 什么是计算智能计算智能（Computation Intelligence）的相对正式的定义[1]最早在1992出版的《Approximate Reasoning》学报上由美国学者J.C.Bezdek提出：计算智能是一类依据研究者所能提供的数值化数据来进行分析计算的方法。IEEE神经网络委员会于1994年夏在Orlando召开了IEEE首届国际计算智能大会（World Conference on Computational Intelligence），期间首次在技术范畴上统一了“计算智能”，将进化计算、人工神经网络和模糊系统三个领域合并在一起。而与之相关的更为狭义的“智能计算”的概念[2]是人们受到自然规律的启迪，模仿其结构进行发明创造使之应用于问题的求解，其主要算法有：人工神经网络、模拟退火算法、遗传算法和群集智能技术等。限于计算智能泛畴宽广，本文以智能计算（演化算法）为主要讨论内容：1953年Metropolis[3]等人提出模拟退火算法的思想，1983年Kirkpatrick等人将其应用于组合优化问题的求解[4]；1968年美国Michigo大学John Holland教授提出了遗传算法[5]；1991年Dorigo等人提出了蚁群优化算法[6]；1995年Kennedy和Eberhart于1995年提出粒子群优化算法[7]。其他有代表性的演化算法还包括：宇宙大爆炸算法[8]、智慧水滴算法[9]、蜜蜂社交算法[10]、曲谱算法[11]、引力优化算法[12]、萤火虫算法[13]、多目标蝙蝠算法[14]等。此外，2013年和2015年Information Sciences杂志上分别发表了黑洞优化算法[15]和化学反应优化算法[16]。1.2 计算智能的应用模糊技术、神经网络和演化算法是计算智能在工业中广泛应用的三类典型技术[17]：模糊技术主要应用于监测控制系统，注重对知识源和工业规范的研究，设计模糊控制规则；神经网络主要应用于处理复杂系统中的非线性问题；演化算法可应用于函数极值、组合优化、自动控制、图像处理、机器学习等领域。本文以智能计算（演化算法）为主，通常新提出的智能计算算法会选择解决函数极值、组合优化（例如聚类问题）、图像处理等问题作为与同类算法性能比较的依据，优秀的智能计算算法不仅能用于解决多个问题，还能在某些问题上处理能力上（例如收敛速度、取得局部极值的概率）显著优于同类算法。有代表性的经典计算智能算法模拟退火算法、遗传算法、蚁群优化算法和粒子群优化算法是几个有代表性的经典计算智能算法。本节主要介绍模拟退火算法和遗传算法的基本思想和实现方法，