智能计算以及自然计算.pptVIP

交叉操作是为了增加群体的多样性, 具体操作如下 交叉操作 是在[ 0, 1 ]之间的随机小数, CR 为交叉概率, CR∈[0, 1 ], rand (i) 在[1, n ]之间的随机整数, 这种交叉策略可确保x i ( t+ 1) 至少有一分量由x i ( t) 的相应分量贡献。 为了确定 是否成为下一代的成员,比较向量 和目标向量 的评价函数: 反复执行从变异至选择的操作, 直至达到最大的进化代数tmax. 选择操作 参数选取 差分进化算法主要涉及群体规模M 、缩放因子 以及交叉概率CR三个参数的设定 M：一般介于5×n 与10×n 之间, 但不能少于4, 否则无法进行变异操作 ：一般在[ 0, 2 ]之间选择, 通常取0. 5 CR：一般在[ 0, 1 ]之间选择, 比较好的选择应在0. 3 左右, CR 大些收敛速度会加快, 但易发生早熟现象 变形与扩展 DE算法有多种变形形式 常用符号DE /x/y/ z以示区分,其中: X——限定当前被变异的向量是“随机的”或“最佳的” Y——是所利用的差向量的个数 Z——指示交叉程序的操作方法 模糊集 （1）美国控制论专家扎德（L·A·Zadeh）于1965年将普通集合论的特征函数的取值范围由{0,1}推广到区间[0 , 1], 提出了模糊集的概念。设在论域U上给定了一个映射 ：U [0 , 1] u 则 称为U上的模糊（Fuzzy）集, ( u )称为的隶属函数（或称为u对 的隶属度），模糊（Fuzzy）集简记为“F”集。 （2） λ-截集实现模糊集合到普通集合的映射，实际应用中对应等级标志，或称置信水平。 ={u| u∈U, (u) λ} 粗糙集 粗糙集的基本概念 信息系统S=(U,A,V,f) 对于信息系统S,若属性集分为条件属性集C和决策属性集D,两者不相交,则它是一个决策系统 L； S的属性子集B,则可定义一个二元等价关系 IND(I) ={x,y ?|B中的任意属性a, 有a(x)=a(y),x与y为对象}； X为对象集,R是U上的等价关系,即将U划分成了一些基本类,若X是一些基本类的并集,则称X是R-可定义集(或精确集),否则称为R-不可定义集,也就是R-粗糙集； X为对象集, R是U上等价关系,则X的R-下近似和R-上近似为： U a1 a2 d x1 1 0 1 x2 2 0 0 信息系统中往往存在大量的冗余知识(属性),这不利于作出正确而简洁的决策。 属性约简,就是要在保持决策系统的分类能力不变的情况下,删除不相关或不重要的属性, 以提高系统潜在知识的清晰度。 展 望 人工脑对生物脑已不只是功能模仿，而是机制模拟，人工脑与生物脑将具有相同的特性 多学科的交叉、结合将开辟全新的智能计算领域，开辟很多新的研究方向 数学将大有用武之地，计算科学、统计学、模糊数学和系统学等将是智能计算理论的基石 智能计算将探索智能的新概念、新理论、新方法和新技术 21世纪的智能科学将有重大突破，取得重大成就 谢 谢 ！ Thanks! P1对应C，P2对应A，P3对应B 交叉操作表示为“bin”，还有在交叉操作中利用指数交叉的情况, 如DE / rand / l / exp, DE /best / l / exp, DE / rand2to2best / l /exp,DE /best /2 / exp 等。 李元香 武汉大学软件工程国家重点实验室 2011年11月 从人工智能到自然计算 报告提纲 梦想与困惑 人工智能及其发展 面临困境 信息时代的呼唤 智能计算—回归自然 自然计算 展望 梦 想 机器具有智能—计算机科学家的梦想 什么是智能？能感知、能学习、能思维、能记忆、能决策、能行动，智能的核心是思维 图灵测试 怎样判断机器具有智能—图灵测试 1950年Alan Turing的文章 “Computing Machinery and Intelligence.” （Mind, Vol. 59, No. 236）提出图灵测试，检验一台机器或电脑是否具有如人一样的思维能力和智能 电脑和人分别封闭在不同的房间，测试者不知道哪个房间是人，哪个房间是电脑，他向双方提出测试问题，电脑和人给出各自的答案，如果一系列的测试问题之后，测试者分不出哪些是电脑的答案，哪些是人的答案，则电脑通过测试，确实具有与人一样的智能