免疫部分的复习-补充内容.pptVIP

智能算法复习及补充;主要内容：;引例:求函数的最值;求以下函数的最大值 ;怎么解决？;随机的取一些初始点 根据某种算法，通过这些初始点相互作用，得出最终结果;自然计算(nature inspired computation);具有模仿自然界的特点，通常是一类具有自适应、自组织、自学习能力的算法，能够解决传统计算方法难于解决的各种复杂问题 包括目前已被广泛研究的进化计算、神经计算、生态计算、量子计算和复杂自适应系统等多个领域 已成功地应用于组合优化、机器学习、工程设计等问题，并取得了很好的效果 ;遗传算法（Genetic Algorithm）;达尔文(1858)——自然选择;;;;;遗传算子;选择算子是对群体中的个体进行优胜劣汰的操作 用来确定重组或交叉个体，以及被选个体将产生多少个子代个体 常见的选择操作 轮盘赌选择法（roulette wheel selection） 随机遍历抽样法（stochastic universal sampling） 局部选择法（local selection） 截断选择法（truncation selection） 锦标赛选择法（tournament selection）; 交叉算子(Crossover Operation);单点交叉：;变异算子(Mutation Operator);单点变异：;应用情况;免疫算法（Immune Algorithm）;免疫的基本思想;免疫算子（Immune Operator）;免疫算子;对所求解的问题进行具体分析，从中提取出最基本的特征信息，即疫苗(vaccine);按照先验知识修改个体某些基因位上的基因，使个体以较大概率具有更高的适应度。设有种群c，对c接种疫苗是指在c中按比例α（0＜α≤1）随机抽取 nα=αn个个体进行操作 ;对接种了疫苗的个体进行检测，若其适应度不如父代，则用父代中的对应个体取代该个体； 否则，以概率 选择个体xi进入新的父代种群。 其中，f（xi）为xi的适应度 {Tk} 为趋于0的温度序列且初温T0应尽可能的大，它与各状态目标值的方差有关，温度更新函数为(g为当前代数): ;免疫算法流程图;应用情况; 蚁群算法（Ant Colony Optimization）;自然界中的蚂蚁;用蚁群算法求最短路程 一群蚂蚁随机从出发点出发，遇到食物，衔住食物，沿原路返回 蚂蚁在往返途中，在路上留下外激素标志。 外激素将随时间逐渐蒸发（一般可用负指数函数来描??，即乘上因子exp(-a*t)） 由蚁穴出发的蚂蚁,其选择路径的概率与各路径上的外激素浓度成正比;应用;合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:2901393 Email:images@ /organ/images ; 粒子群算法（Particle Swarm Optimization）;鸟类觅食行为;粒子群算法（PSO）;初始化粒子以及粒子速度;初始化粒子以及粒子速度;初始化粒子以及粒子速度;初始化粒子以及粒子速度;初始化粒子以及粒子速度;初始化粒子以及粒子速度;应用情况; 模拟退火算法（Simulated Annealing Algorithm）;固体退火;模拟退火;算法步骤：;应用;总结;关键问题;谢谢！