AI人工智能的几种常用算法概念教学提纲.pdfVIP

A I 人 工 智 能 的 几 种 常 用 算 法 概 念 一、粒子群算法 粒子群算法，也称粒子群优化算法（ Particle Swarm Optimization ），缩写为 PSO ， 是近年来发展起来的一种新的进化算法 ( （Evolu2tionary Algorithm - EA ）。PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出 发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算 法规则更为简单，它没有遗传算法的交叉 (Crossover) 和变异 (Mutation) 操作， 它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精 度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优 越性。 优化问题是工业设计中经常遇到的问题 ,许多问题最后都可以归结为优化问题 .为 了解决各种各样的优化问题 ,人们提出了许多优化算法 ,比较著名的有爬山法、遗 传算法等 .优化问题有两个主要问题 :一是要求寻找全局最小点 ,二是要求有较高 的收敛速度 .爬山法精度较高 ,但是易于陷入局部极小 .遗传算法属于进化算法 (EvolutionaryAlgorithms) 的一种 ,它通过模仿自然界的选择与遗传的机理来寻找 最优解 .遗传算法有三个基本算子 :选择、交叉和变异 .但是遗传算法的编程实现 比较复杂 ,首先需要对问题进行编码 ,找到最优解之后还需要对问题进行解码 ,另 外三个算子的实现也有许多参数 ,如交叉率和变异率 ,并且这些参数的选择严重影 响解的品质 ,而目前这些参数的选择大部分是依靠经验 .1995 年 Eberhart 博士和 kennedy 博士提出了一种新的算法 ;粒子群优化 (ParticalSwarmOptimization- PSO) 算法 .这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重 视 ,并且在解决实际问题中展示了其优越性 . 粒子群优化 (ParticalSwarmOptimization-PSO) 算法是近年来发展起来的一种新 的进化算法 (Evolu2tionaryAlgorithm-EA).PSO 算法属于进化算法的一种 ,和遗传 算法相似 ,它也是从随机解出发 ,通过迭代寻找最优解 ,它也是通过适应度来评价 解的品质 .但是它比遗传算法规则更为简单 ,它没有遗传算法的交叉 (Crossover) 和变异 (Mutation) 操作 .它通过追随当前搜索到的最优值来寻找全局最优 二、遗传算法 遗传算法是计算数学中用于解决最佳化的，是进化算法的一种。进化算法最初 是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、 自然选择以及杂交等。遗传算法通常实现方式为一种模拟。对于一个最优化问 题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好 的解进化。传统上，解用表示（即 0 和 1 的串），但也可以用其他表示方法。 进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群 的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度）， 通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当 前种群。 主要特点 遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。的 共同特征为： ① 首先组成一组候选解 ② 依据某些适应性条件测算这些候选解的适应度 ③ 根据适应度保留某些候选解，放弃其他候选解 ④ 对保留的候选解进行某些操作，生成新的候选解。 在遗传算法中，上述几个