人工智能搜索技术.pptxVIP

目录;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.1 盲目搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2 启发式搜索;3.2.3 A*算法;3.2.3 A*算法;3.3 博弈树搜索;3.3 博弈树搜索;3.3 博弈树搜索;3.3 博弈树搜索;3.3 博弈树搜索;3.3.2极小极大分析法 ;3.3 博弈树搜索;3.3 博弈树搜索;3.3 博弈树搜索;3.3.3 α-β剪枝技术;3.3.3 α-β剪枝技术;3.3.3 α-β剪枝技术;3.3 博弈树搜索;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;3.4 遗传算法;分析：对该问题虽然也可以采用枚举的方法来解决,但枚举法却是一种效率很低的方法.可运用遗传算法来求解该问题. 解：首先对问题进行初始化，以获得初始种群; （1） 确定适当的编码方案：将x编码表示为染色体的数字符号串。针对本题自变量x定义域,取值范围为[0，31],考虑采用二进制数来对其编码,由25 = 32,故使用5位无符号二进制数组成染色体数字字符串,用以表达变量x及问题的解答过程。 ; （2）选择初始种群:通过随机的方法来产生染色体的数字串，并组成初始种群。例如，为得到数字串的某位——又称之为基因(genes)，使用计算机在0～1之间产生随机数K，并按照数K的变化区域来规定基因代码如下： 0， （0≤K＜0.5） 1， （0.5≤K≤1）;于是随机生成4个染色体的数字符串为： 01101 11000 01000 10011 从而构造了初始种群，完成了遗传算法的准备。;表 初始种群染色体及对应的适应值 ;（3）复制(选择): 选择适应值大的串作为母本，使在下一代中有更多的机会繁殖其子孙。 要在四个种子个体中做选择，要求仍然得到四个染色体，可依据适应度概率比例制定如下规则： 低于0.125以下的染色体被淘汰； ??0.125～0.375之间的染色体被复制一个； 在0.375～0.625之间的染色体被复制两个； 在0.625～0.875之间的染色体被复制三个； 在0.875以上的染色体可复制四个。;对应于上例，按照适应度的计算，经复制操作后，得到新的染色体种群为 01101 11000 11000 10011; 某个染色体是否被复制,可以通过概率决策法、适应度比例法或“轮盘赌”的随机方法来断定。对应轮盘赌转盘的随机方法,根据表6.1数据，绘制出的轮盘赌转盘,如图所示: ;3.4 遗传算法;（4）交叉: 交叉具体分两步：①将新复制产生的染色体随机两两匹配,称其为双亲染色体；②再把双亲染色体进行交叉繁殖。 交叉的实现: 设染色体数字串长度为L，把L个数字位间空隙分别标记为： 1，2，…，L－1 随机从[1，L－1]中选取某一整数位置k，0kL 交换双亲染色体交换点位置k右边的部分，就形成了两个新的数字符串（也可以只交换其中的第k基因），得到了两个新的染色体，又称之为下一代染色体。;例如，将上例初始种群的两个体 A1=01┇10┇1 A2=11┇00┇0 假定从1到4间选取两个随机数，得到к1=2，к2=4，那么经过交叉操作之后将得到如下两组新的数字符串 A1#=01000 A2#=11101 ;3.4 遗传算法; （5）变异: 设变异概率取为0.001,则对于种群总共有20个基因位. 期望的变异串位数计算:20×0.001 =0.02(位), 故一般来说,该例中无基因位数值的改变.从表11-2和11-3可以看出,每经过一次复制、交叉和变异操作后,目标函数的最优值和平均值就会有所提高。 在上例中，种群的平均适应值从293增至446.5;最大的适应度数值从576增至841。