现代优化算法简介1精品课程.pptVIP

遗传算法的思想来源于达尔文的自然进化论和孟德尔、摩根的群体遗传学说，由美国Michigan大学的John Holland教授于1975年提出。 遗传算法的核心思想：求解问题时，将问题的求解过程视为染色体适者生存的过程，通过染色体一代一代的不断进化（包括选择、交叉、变异等操作），保留优良个体，淘汰劣质个体，最终收敛到“最适应环境”的个体，从而找到问题的最优解或满意解。 遗传算法的思想来源于达尔文的自然进化论和孟德尔、摩根的群体遗传学说，由美国Michigan大学的John Holland教授于1975年提出。 遗传算法的核心思想：求解问题时，将问题的求解过程视为染色体适者生存的过程，通过染色体一代一代的不断进化（包括选择、交叉、变异等操作），保留优良个体，淘汰劣质个体，最终收敛到“最适应环境”的个体，从而找到问题的最优解或满意解。 受生物神经系统的启发，人们提出了一种新型的非算法信息处理方法—人工神经网络。 轴突是一根长神经纤维，其主要功能是将神经冲动由胞体传至其它神经元。每个神经元只有一根轴突。 突触：神经元与神经元之间的连接点。它是神经元之间的传递信息关键性结构。可以分为两类：化学性突触和电突触。 神经元之间的信息是通过突触完成的。当神经冲动传至突触前膜时，突触中的神经递质与突触后膜上的相应受体结合，于是 后膜两侧的离子分布发生改变，呈兴奋性或抑制变化。 因为一个神经元通常有许多突触，其中有些是兴奋性的，有些是抑制性的，如果兴奋性突触活动强度总和超过抑制性突触活动强度总和，并达到一定的阈值，就能使使该神经元的轴突起始发生动作电位，产生神经冲动。出现神经冲动时则该神经元呈现兴奋，反之则表现为抑制。 神经元的每个突触的活动强度用一个固定的实数即权值模拟。 1943 年，心理学家 McCulloch 和数学家 Pitts提出的神经元二元阈值单元(Binary threshold unit)，即著名的 M-P 模型[15]。该模型的基本思想是：神经细胞的工作方式是兴奋或者是抑制。基于这个思想，McCulloch 和 Pitts在神经元模型中引入了硬极限函数。MP模型是一种静态的模型，结构固定，权值无法调节，缺乏学习能力。 受生物神经系统的启发，人们提出了一种新型的非算法信息处理方法—人工神经网络。 轴突是一根长神经纤维，其主要功能是将神经冲动由胞体传至其它神经元。每个神经元只有一根轴突。 突触：神经元与神经元之间的连接点。它是神经元之间的传递信息关键性结构。可以分为两类：化学性突触和电突触。 神经元之间的信息是通过突触完成的。当神经冲动传至突触前膜时，突触中的神经递质与突触后膜上的相应受体结合，于是 后膜两侧的离子分布发生改变，呈兴奋性或抑制变化。 因为一个神经元通常有许多突触，其中有些是兴奋性的，有些是抑制性的，如果兴奋性突触活动强度总和超过抑制性突触活动强度总和，并达到一定的阈值，就能使使该神经元的轴突起始发生动作电位，产生神经冲动。出现神经冲动时则该神经元呈现兴奋，反之则表现为抑制。 神经元的每个突触的活动强度用一个固定的实数即权值模拟。 1943 年，心理学家 McCulloch 和数学家 Pitts提出的神经元二元阈值单元(Binary threshold unit)，即著名的 M-P 模型[15]。该模型的基本思想是：神经细胞的工作方式是兴奋或者是抑制。基于这个思想，McCulloch 和 Pitts在神经元模型中引入了硬极限函数。MP模型是一种静态的模型，结构固定，权值无法调节，缺乏学习能力。 模糊性是人类思维和客观事物普遍存在的属性之一。 美国加州大学Zadch博士于1965年发表了关于模糊集的论文，首次提出了表达 事物模糊性的重要概念一隶属函数，开创了模糊计算这一新的研究领域。 模糊推理系统是建立在模糊集合理论、模糊IF-THEN规则和模糊推理等概念基础上的先进的计算框架。 模糊推理系统的基本结构由三个重要部件组成：一个规则库，包含一系列模糊规则；一个数据库，定义模糊规则中用到的隶属度函数(Membership Functions, MF)；以及一个推理机制，按照规则和所给事实执行推理过程求得合理的输出或结论。模糊推理系统在很多场合需要得到精确的输出，特别是用作控制器的情况，这时模糊推理系统实现从输入到输出之间的非线性映射。这个映射是由一组模糊规则基来完成的，其中，每个规则描述映射的局部行为。特别地，规则的前件定义了输入空间中的模糊区域，而后件规定了模糊区域中的输出。 AHNU 现代优化算法简介 安徽师范大学数学计算机科学学院 组合优化问题优化模型 组合优化（combinatorial optimization）:解决离散问题的优化问题——运筹学分支。通过数学方法的研究