人工智能原理.pptxVIP

人 工 智 能 原 理Artificial Intelligence Principle ;第5章 计算智能(2);第五章 计算智能(2);第五章 计算智能(2);答疑时间及地点 ;第四章 计算智能(1);计算智能涉及神经网络、模糊逻辑、进化计算和人工生命等领域，它的研究和发展反映了当代科学技术多学科交叉与集成的重要发展趋势。;进化计算（Evolutionary Computation, EC）包括： 遗传算法(genetic algorithms，GA) 进化策略(evolution strategies) 进化编程(evolutionary programming) 遗传编程(genetic programming);人工生命(Artificial life，AL)是通过人工模拟生命系统，来研究生命的领域。 人工生命的概念，包括两个方面内容： （1）属于计算机科学领域的虚拟生命系统，涉及计算机软件工程与人工智能技术； （2）基因工程技术人工改造生物的工程生物系统，涉及合成生物学技术。 AL是首先由计算机科学家Christopher Langton于1987年在Los Alamos National Laboratory召开的生成以及模拟生命系统的国际会议上提出。;世界首个人工生命结构诞生;进化计算（Evolutionary Computation,EC）包括： 遗传算法(genetic algorithms，GA) 进化策略(evolution strategies) 进化编程(evolutionary programming) 遗传编程(genetic programming); 进化计算是一种模拟自然界生物进化过程与机制进行问题求解的自组织、自适应的随机搜索技术。它将生物进化过程中的 繁殖（Reproduction） 变异（Mutation） 竞争（Competition） 选择（Selection） 引入到了算法中。;进化计算的生物学基础 自然界生物进化过程是进化计算的生物学基础，它主要包括: ;生物进化与遗传算法 ;遗传算法(Genetic Algorithm) ;第五章 计算智能(2);5.1 遗传算法 ;5.1 遗传算法 ;5.1.1 遗传算法的基本机理 ;5.1.1 遗传算法的基本机理 ;5.1.1 遗传算法的基本机理 ;5.1.1 遗传算法的基本机理 ;5.1.1 遗传算法的基本机理 ;5.1.1 遗传算法的基本机理 ;5.1.1 遗传算法的基本机理 ;5.1.1 遗传算法的基本机理 ; Huffman编码方法是一种效率高、方法简单的编码。信源中符号出现的概率相差越大，Huffman编码效果越好。; （1）把信源符号xi(i=1,2,…,N)按出现概率的值由小到大的顺序排列；;Huffman编码步骤; Huffman编码方法;Huffman??码方法;;5.1.1 遗传算法的基本机理 ;5.1.1 遗传算法的基本机理 ;选择算子 模拟生物界优胜劣汰的自然选择法则的一种染色体运算 从种群中选择适应度较高的染色体进行复制，以生成下一代种群 算法： 个体适应度计算 在被选集中每个个体具有一个选择概率 选择概率取决于种群中个体的适应度及其分布 个体适应度计算，即个体选择概率计算 个体选择方法 按照适应度进行父代个体的选择;交叉算子 交换、交配、杂交 互换两个染色体某些位上的基因 随机化算子，生成新个体;生物进化与遗传算法之间的对应关系 ;生物进化与遗传算法之间的对应关系 ;5.1.2 遗传算法的求解步骤 ;遗传算法 对种群中的染色体反复做三种遗传操作;遗传算法参数;遗传算法流程图;GA算法框图; 一般遗传算法的主要步骤如下： (1) 随机产生一个由确定长度的特征字符串组成的 初始群体。;;例：求函数的最大值;例：求函数的最大值;问题：求 （1）编码： 此时取均长为5，每个染色体 （2）初始群体生成：群体大小视情况而定，此处设置为4，随机产生四个个体： 编码： 01101，11000，01000，10011 解码： 13 24 8 19 适应度： 169 576 64 361 （3）适应度评价：;（4）选择：选择概率 个体： 01101，11000，01000，10011 适应度： 169 576