智能计算几种经典算法解析教学.pptVIP

智能计算几种经典算法解析 制作人：吴燕慧 指导老师：张丽杰 班级：电自09102 学号-2- 智能计算几种经典算法解析 ●人工神经网络算法 ●模糊系统算法 ●遗传算法 ●退火算法 ●展望 智能计算几种经典算法解析 随着计算机技术的飞速发展，智能计算方法的应用领域也越来越广泛。本文介绍了当前存在的一些智能计算方法，阐述了其工作原理和特点，同时对智能计算方法的发展进行了展望。 -4- 智能计算几种经典算法解析 引言 智能算法也称作为“背影算法”，是人们从现实的生活中的各种现象总结出来的算法。它是从自然界得到启发，模仿它的原理而得到的算法，这样我们可以利用仿生原理进行设计我们的解决问题的路径，这就是智能计算的思想。这方面的内容很多，如人工神经网络技术、遗传算法、模拟退火算法等，下面分别对其进行分析。 智能计算几种经典算法解析 一.人工神经网络算法 ◆人工神经网络 人工神经网络是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统。早在本世纪40年代初期，心理学家McCulloch、数学家Pitts就提出了人工神经网络的第一个数学模型，从此开创了神经科学理论的研究时代。其后，F Rosenblatt、Widrow和J. J .Hopfield等学者又先后提出了感知模型，使得人工神经网络技术得以蓬勃发展。 智能计算几种经典算法解析 一.人工神经网络算法 ◆ 人工神经网络的特点 1. 人工神经网络的知识存储容量很大。 2. 具有很强的不确定性信息处理能力。 3. 健壮性。生物神经网络不会因为个 别神经元的损失而失去对原有模式的记忆。 4. 神经网络是一种具有高度非线性的超大规模连续时间动力学系统 智能计算几种经典算法解析 一.人工神经网络算法 ◆ BP人工神经网络模型的构造 -8- 智能计算几种经典算法解析 二.模糊系统算法 ◆模糊系统算法 模糊概念在生活中普遍存在，如“高”，“大”等。这些模糊概念蕴含了许多了许多不确定信息，人脑可以很容易的通过这些不完整不精确信息做出判断和决策。然而，对于精确的电子计算机而言，处理含糊不清的信息却是相当困难的。基于这个原因，美国控制论专家扎德（Zadeh.L.A）于1965年提出了模糊集合的概念 -9- 智能计算几种经典算法解析 二.模糊系统算法 ◆模糊系统特点 基于模糊数学理论包括迷糊集合、模糊逻辑、模糊规则、模糊推理和隶属度等。 在模糊系统中，元素与模糊集合之间的关系是不确定的，即在传统集合论中元素与集合“非此即彼”的关系不确定。元素与模糊集合的隶属关系是通过隶属度函数来度量的。当一个元素确定属于某个模糊集合，则这个元素对该迷糊集合的隶属度为1；当这个元素确定不属于该模糊集合时，则此时的隶属度值为0；当无法确定该元素是属于某个模糊集合时，隶属度值为一个属于0到1之间的连续数值。 在迷糊系统中，知识是以模糊规则的形式存储的。 -10- 智能计算几种经典算法解析 二.模糊系统算法 ◆自校正模糊控制 针对普遍控制器参数和控制规则在系统运动时无法在线调整，自适应能力差的缺陷，自校正模糊控制器可以在线修正模糊控制器的参数或控制规则，从而增强模糊控制器的自适应能力，提高了控制系统的动静态性能和鲁棒性。 -11- 智能计算几种经典算法解析 二.模糊系统算法 ◆模糊系统的应用 模糊系统能够很好的处理人们生活中的模糊概念，清晰地表达知识，而且善于利用学科领域的知识，具有很强的推理能力。 模糊系统主要应用在自动控制、模式识别和故障诊断等领域并且取得了令人振奋的成果，但是大多数迷糊系统都是利用已有的专家知识，缺乏自学习能力，无法对自动提取模糊规则和生成隶属度函数。针对这一问题，可以通过与神经网络算法、遗传算法等自学习能力强的算法融合来解决。 目前，很多学者正在研究模糊神经网络和神经模糊系统，这是对传统算法研究和应用的创新。 -12- 智能计算几种经典算法解析 三.遗传算法 ◆遗传算法的原理 遗传算法(GA)是模拟生物在自然环境下的遗传和进化过程而形成的一种自适应全局优化概率搜索方法。其采纳了自然进化模型，从代表问题可能潜在解集的一个种群开始，种群由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体；初始种群产生后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的解：在每一代，概据问题域中个体的适应度大小挑选个体；并借助遗传算子进行组合交叉和主客观变异，产生出代表新的解集的种群。这一过程循环执行，直到满足优化准则为止。最后，末代个体经解码，生成近似最优解。 -13- 智能计算几种经典算法解析 三.遗传算法 ◆遗传算法的特点 遗传算法是解决搜索问题的一种通用算法。 搜索算法的共同特征为：