人工智能与最优化.PDF

人工智能与最优化：融通共进的时代 徐宗本 (西安交通大学数学与数学技术研究院) 西安大数据与人工智能研究院 Email: zbxu@ 主页: 目录 01 人工智能与最优化: 典型模型与方法 全局优化问题的人工智能方法 02 03 解决超参数问题的人工智能方法 解TSP问题的类AlphaGo方法 04 05 结论与展望 AI与最优化: 典型模型与方法 1 人工智能问题 PART 人工智能是实现智能化的主要途径  智能: 从感觉到记忆再到思维这一过 程称为智慧，智慧的结果产生了行为 和语言，将行为和语言的表达过程称 为能力，两者合称 “智能”。  人工智能: 由人工制造出来的系统所 表现出来的智能；是使机器/系统能 够完成一些通常需要人类智慧才能完 成的复杂任务的技术和方法论。 大数据智能 人机混合  人工智能的实现途径：大数据智能、 增强智能 群体智能、跨媒体智能、人机混合增 群体智能 强智能和类脑智能等方面。 类脑 跨媒体智能 智能 新一代人工智能 1 最优化问题 PART 最优化: 在一个特定准则和一个特定环境下， 实现对某个量的最优设置。通常建模为对一个函数 的极小化: 给定的函数 f: Ω → ℝ, 求 ∗使得 ∗ = () ∈ ∗ :目标函数 Ω: 可行域 ∗ : 最优解. 主要分支： 优化算法：  数学规划  随机优化  梯度下降法  模拟退火  整数规划  组合优化  共轭梯度法  遗传算法  动态规划  非凸优化  拟牛顿法  粒子群算法 …… …… …… …… 梯度类算法 启发式算法 1 人工智能典型范式: 数据智能/机器学习 PART 数据智能: 通过感知实现对环境/对象的数据化(感), 通过对感知数据的 分析理解