现代计算方法概论课件.pptVIP

现代计算方法专题;提纲;背景介绍;生物学世纪的两桩令人瞩目的科学事件; 进入21世纪短短的10年，向生命世界学习计算的思想悄然在科学界传播开来，形成新的计算主义。;一、进化计算方法（遗传算法）;在模仿进化原理而形成的仿生计算中最基础与典型的算法就是遗传算法(Genetic Algorithm) 遗传算法是John Holland开发的一种进化算法 遗传算法的基本操作： Step 1 将问题求解的对象编码成由基因组成的染色体； Step 2 设计杂交和变异规则； Step 3 设计适应值函数并进行遗传操作。 ;GA的形式化定义;案例;掀停膨邑蛛族漆仟笛湃惑畦洪罪递骗熄秘傻九童懒简隧辣扬炯孵妖午誉戮现代计算方法概论课件现代计算方法概论课件;檀瞥昏淖贿相打金五咯资巷诱宰息独览詹步戍体顿即镇携墅兼矢冷煎养虾现代计算方法概论课件现代计算方法概论课件;二、人工神经网络; 人工神经网络是大量模拟神经元???连而成的网络， 是人脑的抽象、简化、模拟，反映人脑的基本特征。ANN模型具有下面三个要素：;人工神经网络的基本方法;案例;忌迫律闽金朔淬太玛摔楚墩氯甚伎偿拂妙大齐诗徐琅澈薄涨放缚骸芝匈洽现代计算方法概论课件现代计算方法概论课件; ◆1943年，神经生物学家W.McCullch和数学家W.Pitts在著名的论文《神经活动内容概念的逻辑演算》中总结生物神经元的基本生理特征，提出了第一个神经计算模型，即神经元的阈值元件模型，简称MP模型。 ◆1949年，加拿大心理学家Douald Hebb在他的论著《行为的组织》一文中，对大脑神经元的学习与条件反射做了大胆假设：如果两个神经元都处于兴奋激活状态，那么彼此的突出联结权机会得到加强。这就是著名的Hebb学习规则。 ◆Rochester, John Holland与IBM公司的研究人员合作以网络吸收经验来调节强度模拟了Hebb的学习规则，并在计算机上实现了学习，产生了许多涌现现象，使计算机有了类似人脑的学习功能。 ;三、蚁群智能计算;蚁群算法的基本假设;蚁群算法的基本模型设计;案例;实现该问题的程序;% 第一步：参数初始化： n = size(C, 1); % n表示问题的规模（城市个数） D = zeros(n, n); % D表示完全图的赋权邻接矩阵 for i = 1: n for j = 1: n if i ~= j % 计算距离 D(i, j) = ( (C(i,1)-C(j,1))^2 + (C(i,2)-C(j,2))^2 )^0.5; else D(i, j) = eps; end D(j, i) = D(i, j); end % j end % u Eta = 1 ./ D; % Eta为启发因子，这里设为距离的倒数 Tau = ones(n, n); % Tau为信息素矩阵 Tabu = zeros(m, n); % 存储并记录路径的生成 R_best = zeros(NC_max, n); % 各代最佳路线 L_best = inf .* ones(NC_max, 1); % 各代最佳路线的长度 L_ave = zeros(NC_max, 1); % 各代路线的平均长度;for NC = 1: NC_max %第二步：循环变量迭代。停止条件之一：达到最大迭代次数 % 将m只蚂蚁放到n个城市上 Randpos = []; for i = 1: ( ceil(m/n) ) Randpos = [Randpos, randperm(n)]; end Tabu(:, 1) = (Randpos(1, 1: m)); for j = 2: n for i = 1: m % 第三、四步：蚂蚁标号迭代 visited = Tabu(i, 1: (j-1)); % 已访问的城市 J = zeros(1, (n-j+1)); % 待访问的城市 P = J; % 待访问城市的选择概率分布 Jc = 1; for k = 1: n if length( find(visited == k) ) == 0 J(Jc) = k; Jc = Jc + 1; end