第四章智能技术的决策支持和智能决策支持系统.pptVIP

1、编码 每条路径对应一个个体，个体形式地表示为R={City_No|City_No互不重复}n，n为城市数。例如对于n=10的TSP问题，对其中一个个体 ?它表示一条城市路径 ： 3 1 5 7 8 9 10 4 2 6 3 1 5 7 8 9 10 4 2 6 第六十二页，共九十五页，2022年，8月28日 2、适应值函数 每个个体代表一条可能的路径。个体n的适应值为： 其中N为种群数，Dn为 沿个体标示的城市序列的所经过的距离： 其中ni表示个体中第i位的城市编号，n11=n1。 适应值为非负，且取值越大越好。 表示所有个体的路径长度的总和 第六十三页，共九十五页，2022年，8月28日 3、交叉 随机地从种群中选出要交叉的两个不同个体，随机地选取一个交叉段。交叉段中两个个体的对应部分通过匹配换位实现交叉操作。对个体A和B： A＝9 8 4 |5 6 7| 1 3 2 10 B＝8 7 1 |4 10 3| 2 9 6 5 交叉段?对个体A，对交叉段中由B换位来的数，如4、10、3，在A中其它位相同的数进行反交换，即4换为5，10换为6，3换为7；对个体B，相似处理，最后得到： A，＝9 8 5 |4 10 3| 1 7 2 6 B，＝8 3 1 |5 6 7| 2 9 10 4 第六十四页，共九十五页，2022年，8月28日 4、变异 根据变异概率Pe，随机地从种群中选出要变异的个体，随机地在该个体上选出变异两个位置，然后两个位置上的城市序号进行交换。如： A =9 8 4 5 6 7 1 3 2 10 下划线部分为要变异的两个位置。 变异为： A`=9 7 4 5 6 8 1 3 2 10 计算结果表明： n个城市的最佳路径接近一个外圈无交叉的环路。 第六十五页，共九十五页，2022年，8月28日 4.5.3 获取知识的遗传算法 1980年，Smith采用遗传算法研制了一种分类器系统，这是遗传算法在机器学习中的重要应用系统。他使用单个字符串来表示一条规则。 分类器系统的规则形式如下： IF condition THEN action 意思是当条件（condition）满足时，就可能采取行动（action）。分类器系统的规则采用固定长度表示。这便于遗传算子的处理。 第六十六页，共九十五页，2022年，8月28日 一、分类学习系统的结构 检 测 器 消息表 遗传算法 分类器 信任分配算法 测试表 作用器 客观环境 第六十七页，共九十五页，2022年，8月28日 （六）输入模式转换 实际问题的输入，一般是以一种概念形式表示，而神经元的输入，要求以(-∞,∞)间的数值形式表示，因此需要将文字概念转换成数值。 建立两个向量集： （1）实际输入概念集：各输入节点的具体物理意义。 （2）神经元输入数值集：各输入节点的数值。 第三十页，共九十五页，2022年，8月28日 （七）输出模式转换 实际问题的输出，一般也是以一种概念形式表示。而神经元的输出，一般是在[0,1]间的数值形式，这需要将数值向文字概念的转换。 第三十一页，共九十五页，2022年，8月28日 城市医疗服务能力评价系统。 5个输入：病床数、医生数、医务人员数、门诊数和死亡率； 4个输出：级别v、 g、a和b； 建立一个三层神经元网络。 训练样本（集）:10城市的数据,训练后可对其它城市进行评价。 输入输出模式转换：文字概念的数值转换。输入节点数据范围范围(-∞,∞)，输出数据范围[0,1]。 输入节点：五个节点分别表示五个指标，每个指标节点都有v,g,a,b四种可能。 三、神经网络专家系统实例 第三十二页，共九十五页，2022年，8月28日 城市医疗服务能力评价系统 神经