智能信息处理课程概述演示文稿.pptVIP

APWeb/WAIM2007 Huang Shan 2007-6-16 * APWeb/WAIM2007 Huang Shan 2007-6-16 * 进化计算技术—微粒群算法 微粒群算法是由美国社会心理学家James Kennedy和电器工程师Russen Eberhart在1995年共同提出的，是继蚁群算法之后又一种新的群体智能算法，目前已成为进化算法的一个重要分支。 微粒群算法自提出以来，在国外得到了相关领域众多学者的关注与研究。 CEC国际年会上，微粒群算法被作为一个独立的研究分支，与遗传算法、进化规划等进化算法相提并论。 当前第31页\共有40页\编于星期五\1点 进化计算技术—微粒群算法 微粒群优化(particle swarm optimization, PSO) 实际上是一种模仿鸟类群体行为的进化算法。 这种算法体现着一种简单朴素的智能思想：鸟类使用简单的规则来确定自己的飞行方向和速度，试图停落在鸟群中而不致相互碰撞。 这种思想产生了一个数学上的优化算法：与其他进化类优化算法相类似，也采用“群体”和“进化”的概念，同样也是依据个体的适应值大小进行操作，所不同的是把每个个体视为在搜索空间中的一个没有重量和体积的微粒，并在搜索空间中以一定的速度飞行。该飞行速度则由个体和群体的飞行经验进行动态调整，从而获得一个很好的寻优方案。 这种算法正显示着巨大的潜在用途。 当前第32页\共有40页\编于星期五\1点 1.3 智能技术的综合集成 随着模糊逻辑、神经网络、进化计算、混沌与分形、小波分析、人工生命以及人工智能等交叉学科的综合集成不断深入和发展， 用智能计算技术来解决复杂智能行为已成为智能模拟、智能信息处理、智能控制、智能建筑、智能制造、智能多媒体通信、智能机器人、智能计算机、智能管理系统、智能决策系统等领域研究的新兴热门话题，并将在推动高度智能系统化的发展方面，起到重大的关键性作用。 当今智能计算信息处理技术正处于蓬勃发展阶段，如何将模糊技术、神经网络、进化计算、混沌与分形、小波变换等有机结合起来，发挥各自的特点，显然是智能计算信息处理中的一个核心问题。 当前第33页\共有40页\编于星期五\1点 1.3 智能技术的综合集成 模糊系统与神经网络结合 神经网络和遗传算法结合 模糊技术、神经网络和遗传算法综合集成 当前第34页\共有40页\编于星期五\1点 模糊系统与神经网络结合 模糊技术与神经网络技术各有自己的优点： 前者以模糊逻辑为基础，抓住了人类思维中的模糊特点，以模仿人的模糊综合判断推理来处理常规方法难以解决的模糊信息处理难题，使计算机应用扩大到了人文、社会和心理学等领域。 后者以生物神经网络为模拟基础，试图在模拟推理及自动学习等方面向前发展一步，使人工智能更接近人脑的自组织和并行处理等功能，它在模式识别、聚类分析和专家系统等方面已显示了新的前景和新的思路。 如果将它们进行综合，即将符号逻辑推理方法与联接机制方法进行有机结合，可有效地发挥各自的优势并弥补其不足。 模糊技术的特长在于逻辑推理能力，容易进行高层的信息处理，将模糊技术引入神经网络可大大地拓宽神经网络处理信息的范围和能力，使其： 不仅能处理精确信息，也能处理模糊信息和其他不精确信息， 不仅能实现精确性联想映射，还可以实现不精确性联想映射，特别是模糊联想及模糊映射。 当前第35页\共有40页\编于星期五\1点 模糊系统与神经网络结合 模糊技术与神经网络有很多共同点 首先，它们都是着眼于模拟处理人的思维。 其次，它们在形式上也有不少相似之处，比如，模糊集合理论中的隶属函数与神经网络的输出特性之间，模糊逻辑推理中的max-min运算与神经元对其输入的加权与运算之间，这也使得它们的有机结合得以方便实现。 当前第36页\共有40页\编于星期五\1点 神经网络和遗传算法结合 神经网络(NN)和遗传算法(GA)都是将生物学原理应用于科学研究的仿生学理论成果。但来源并不相同： GA是从自然界生物进化机制获得启示的， 而NN则是人脑若干基本特性的抽象和模拟。 因此，它们在信息处理时间上存在较大的差异： 神经系统的变化只需极其短暂的时间， 而生物的进化却需以世代的尺度来衡量。 近年来，已有越来越多的研究人员尝试着GA与NN相结合的研究，希望通过结合充分利用两者的长处，寻找一种解决问题有效的方法，同时，也借助这种结合使得人们更好地理解学习与进化的相互作用关系。 有关这一主题已成为人工生命领域中十分活跃的课题。 当前第37页\共有40页\编于星期五\1点 神经网络和遗传算法结合 NN和GA的结合表现在以下两个方面： 一方面是辅助式结合，比较典型的是用GA对信息进行预处理，然后用NN求解问题，比如在模式识别中先利用GA进行特征提取，而后用NN进行分类； 另一方面是