王志强-计算智能-报告探究.pptxVIP

计算智能 王志强，201510105289 概要 概述：什么是计算智能？ 算法简介：计算机智能方法有哪几种，是怎么实现的？ 经典计算智能算法 模拟退火算法(1953) 遗传算法(1960s) 蚁群优化算法(1990s) 粒子群优化算法(1995) 新兴计算智能方法 黑洞优化算法 (2013, Information Sciences) 化学反应优化算法 (2015, Information Sciences) 应用：计算智能算法可以用来做什么？ 计算智能简介 Generally, computational intelligence is a set of nature-inspired computational methodologies and approaches to address complex real-world problems to which mathematical or traditional modelling can be useless for a few reasons: the processes might be too complex for mathematical reasoning, it might contain some uncertainties during the process, or the process might simply be stochastic in nature. 计算智能是受到大自然智慧和人类智慧的启发而设计出的一类算法的统称。 近代科学技术发展的显著特点之一是生命科学与工程科学的相互交叉、相互渗透、相互促进 其他有代表性的演化算法 宇宙大爆炸算法: Big Bang–Big Crunch, 2006 智慧水滴算法：intelligent water drops, 2007 依据自然界溪水大河大江海洋的原理 蜜蜂社交算法:honey bee mating optimization, 2007 曲谱算法：harmony search optimization, 2009 GSA：gravitational search algorithms, 2009 依据牛顿运动定律提出 萤火虫算法：firefly algorithm, 2010 蝙蝠算法：Bat Algorithm, 2011 … 模拟退火算法 模拟退火算法及模型 (1) 模拟退火算法最早的思想由Metropolis等（1953）提出，1983年Kirkpatrick等将其应用于组合优化。 算法的目的 解决NP复杂性问题； 克服优化过程陷入局部极小； 克服初值依赖性。 退火是指将固体加热到足够高的温度，使分子呈随机排列状态，然后逐步降温使之冷却，最后分子以低能状态排列，固体达到某种稳定状态。 模拟退火算法及模型 (2) 物理退火过程 加温过程——增强粒子的热运动，消除系统原先可能存在的非均匀态； 等温过程——对于与环境换热而温度不变的封闭系统，系统状态的自发变化总是朝自由能减少的方向进行，当自由能达到最小时，系统达到平衡态； 冷却过程——使粒子热运动减弱并渐趋有序，系统能量逐渐下降，从而得到低能的晶体结构。 Metropolis发现，加热后的金属总是自发地趋于低温后稳定，低温稳定点和优化问题的最值点似乎存在着某种内在关联！ 模拟退火算法及模型 (3) 从热力学现象中寻找启发： 温度越低，物体的能量状态越低，到达足够的低点时，液体开始冷凝与结晶，在结晶状态时，系统的能量状态最低。缓慢降温（退火，annealing）时，可达到最低能量状态；但如果快速降温（淬火，quenching），会导致不是最低能态的非晶形。 大自然知道慢工出细活： 缓缓降温，使得物体分子在每一温度时，能够有足够时间找到安顿位置，则逐渐地，到最后可得到最低能态，系统最稳定。 模仿自然界中的退火首先要理解物理中的退火模型 物理退火过程 (1) 在温度T，分子停留在状态r满足Boltzmann概率分布 物理退火过程 (2) 1 0 模拟退火算法基本思想：在一定温度下，搜索从一个状态随机地变化到另一个状态；随着温度的不断下降直到最低温度，搜索过程以概率1停留在最优解 物理退火过程 (3) Boltzman概率分布告诉我们： （1）在同一个温度，分子停留在能量小状态的概率大于停留在能量大状态的概率 （2）温度越高，不同能量状态对应的概率相差越小；温度足够高时，各状态对应概率基本相同。 （3）随着温度的下降，能量最低状态对应概率越来越大；温度趋于0时，其状态趋于1 物理退火过程 (4) 模拟退火算法及模型 (1) Metropolis准则（1953）