智能計算的經(jīng)典算法解析論文
本文是由上傳的：智能計算幾種經(jīng)典算法解析。
智能計算幾種經(jīng)典算法解析 智能計算幾種經(jīng)典算法解析 智能計算幾種經(jīng)典算法解析
論文關(guān)鍵詞:智能算法;人工神經(jīng)網(wǎng)絡(luò )算法;遺傳算法;退火算法
論文摘要:隨著(zhù)計算機技術(shù)的飛速發(fā)展,智能計算方法的應用領(lǐng)域也越來(lái)越廣泛。本文介紹了當前存在的一些智能計算方法,闡述了其工作原理和特點(diǎn),同時(shí)對智能計算方法的發(fā)展進(jìn)行了展望。
The Analysis for Several Classic Algorism of Intellegence Computation
YANG Ming-hui
(Wuhan University of Technology, Wuhan 430074, China)
Abstract: As the computer technology develops fast, the field for intelligence algorism become wider and wider.In this paper, I introduce some methods for intelligence, and analyze their Principles and characters, finally make a Forecast of the develop of integellence computation.
Key words:Intelligence Computation; Artificial Neural Network Algorithm;Genetic algorithm;Annealing Algorithm
1 引言
智能算法也稱(chēng)作為“背影算法”,是人們從現實(shí)的生活中的各種現象總結出來(lái)的算法。它是從自然界得到啟發(fā),模仿它的原理而得到的算法,這樣我們可以利用仿生原理進(jìn)行設計我們的解決問(wèn)題的路徑,這就是智能計算的思想。這方面的內容很多,如人工神經(jīng)網(wǎng)絡(luò )技術(shù)、遺傳算法、模擬退火算法等,下面分別對其進(jìn)行分析。
2 人工神經(jīng)網(wǎng)絡(luò )算法
2.1 人工神經(jīng)網(wǎng)絡(luò )(ARTIFICIAL NEURAL NETWORK,簡(jiǎn)稱(chēng)ANN)
人工神經(jīng)網(wǎng)絡(luò )是在對人腦組織結構和運行機制的認識理解基礎之上模擬其結構和智能行為的一種工程系統。早在本世紀40年代初期,心理學(xué)家McCulloch、數學(xué)家Pitts就提出了人工神經(jīng)網(wǎng)絡(luò )的第一個(gè)數學(xué)模型,從此開(kāi)創(chuàng )了神經(jīng)科學(xué)理論的'研究時(shí)代。其后,F Rosenblatt、Widrow和J. J .Hopfield等學(xué)者又先后提出了感知模型,使得人工神經(jīng)網(wǎng)絡(luò )技術(shù)得以蓬勃發(fā)展。
2.2 人工神經(jīng)網(wǎng)絡(luò )的特點(diǎn)
人工神經(jīng)網(wǎng)絡(luò )的知識存儲容量很大。在神經(jīng)網(wǎng)絡(luò )中,知識與信息的存儲表現為神經(jīng)元之間分布式的物理聯(lián)系。它分散地表示和存儲于整個(gè)網(wǎng)絡(luò )內的各神經(jīng)元及其連線(xiàn)上。每個(gè)神經(jīng)元及其連線(xiàn)只表示一部分信息,而不是一個(gè)完整具體概念。只有通過(guò)各神經(jīng)元的分布式綜合效果才能表達出特定的概念和知識。
由于人工神經(jīng)網(wǎng)絡(luò )中神經(jīng)元個(gè)數眾多以及整個(gè)網(wǎng)絡(luò )存儲信息容量的巨大,使得它具有很強的不確定性信息處理能力。即使輸入信息不完全、不準確或模糊不清,神經(jīng)網(wǎng)絡(luò )仍然能夠聯(lián)想思維存在于記憶中的事物的完整圖像。只要輸入的模式接近于訓練樣本,系統就能給出正確的推理結論。
正是因為人工神經(jīng)網(wǎng)絡(luò )的結構特點(diǎn)和其信息存儲的分布式特點(diǎn),使得它相對于其它的判斷識別系統,如:專(zhuān)家系統等,具有另一個(gè)顯著(zhù)的優(yōu)點(diǎn):健壯性。生物神經(jīng)網(wǎng)絡(luò )不會(huì )因為個(gè)別神經(jīng)元的損失而失去對原有模式的記憶。最有力的證明是,當一個(gè)人的大腦因意外事故受輕微損傷之后,并不會(huì )失去原有事物的全部記憶。人工神經(jīng)網(wǎng)絡(luò )也有類(lèi)似的情況。因某些原因,無(wú)論是網(wǎng)絡(luò )的硬件實(shí)現還是軟件實(shí)現中的某個(gè)或某些神經(jīng)元失效,整個(gè)網(wǎng)絡(luò )仍然能繼續工作。
人工神經(jīng)網(wǎng)絡(luò )是一種非線(xiàn)性的處理單元。只有當神經(jīng)元對所有的輸入信號的綜合處理結果超過(guò)某一門(mén)限值后才輸出一個(gè)信號。因此神經(jīng)網(wǎng)絡(luò )是一種具有高度非線(xiàn)性的超大規模連續時(shí)間動(dòng)力學(xué)系統。它突破了傳統的以線(xiàn)性處理為基礎的數字電子計算機的局限,標志著(zhù)人們智能信息處理能力的一大飛躍。
3 遺傳算法
3.1 特點(diǎn) 遺傳算法還具有以下幾方面的特點(diǎn):
(1)遺傳算法從問(wèn)題解的串集開(kāi)始嫂索,而不是從單個(gè)解開(kāi)始。這是遺傳算法與傳統優(yōu)化算法的極大區別。傳統優(yōu)化算法是從單個(gè)初始值迭代求最優(yōu)解的;容易誤入局部最優(yōu)解。遺傳算法從串集開(kāi)始搜索,覆蓋面大,利于全局擇優(yōu)。
(2)許多傳統搜索算法都是單點(diǎn)搜索算法,容易陷入局部的最優(yōu)解。遺傳算法同時(shí)處理群體中的多個(gè)個(gè)體,即對搜索空間中的多個(gè)進(jìn)行評估,減少了陷入局部最優(yōu)解的風(fēng)險,同時(shí)算法本身易于實(shí)現并行化。
(3)遺傳算法基本上不用搜索空間的知識或其它輔助信息,而僅用適應度函數值來(lái)評估個(gè)體,在此基礎上進(jìn)行遺傳操作。適應度函數不僅不受連續可微的約束,而且其定義域可以任意設定。這一特點(diǎn)使得遺傳算法的應用范圍大大擴展。
3.2 運用領(lǐng)域
4 退火算法
模擬退火算法來(lái)源于固體退火原理,將固體加溫至充分高,再讓其徐徐冷卻,加溫時(shí),固體內部粒子隨溫升變?yōu)闊o(wú)序狀,內能增大,而徐徐冷卻時(shí)粒子漸趨有序,在每個(gè)溫度都達到平衡態(tài),最后在常溫時(shí)達到基態(tài),內能減為最小。根據Metropolis準則,粒子在溫度T時(shí)趨于平衡的概率為e-ΔE/(kT),其中ΔE為溫度T時(shí)的內能,ΔE為其改變量,k為Boltzmann常數。用固體退火模擬組合優(yōu)化問(wèn)題,將內能E模擬為目標函數值f ,溫度T演化成控制參數t,即得到解組合優(yōu)化問(wèn)題的模擬退火算法:由初始解i和控制參數初值t開(kāi)始,對當前解重復“產(chǎn)生新解→計算目標函數差→接受或舍棄”的迭代,并逐步衰減t值,算法終止時(shí)的當前解即為所得近似最優(yōu)解,這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機搜索過(guò)程。退火過(guò)程由冷卻進(jìn)度表(Cooling Schedule)控制,包括控制參數的初值t及其衰減因子Δt,每個(gè)t值時(shí)的迭代次數L和停止條件S。
5 展望
目前的智能計算研究水平暫時(shí)還很難使“智能機器”真正具備人類(lèi)的常識,但智能計算將在21世紀蓬勃發(fā)展。不僅僅只是功能模仿要持有信息機理一致的觀(guān)點(diǎn)。即人工腦與生物腦將不只是功能模仿,而是具有相同的特性。這兩者的結合將開(kāi)辟一個(gè)全新的領(lǐng)域,開(kāi)辟很多新的研究方向。智能計算將探索智能的新概念,新理論,新方法和新技術(shù),而這一切將在以后的發(fā)展中取得重大成就。
參考文獻:
[1]Common structural rules for double hull oil tankers, second draft for comment[S]. American Bureau of Shipping,Det Nor
【智能計算的經(jīng)典算法解析論文】相關(guān)文章：
作業(yè)成本的計算法論文06-16
談除法計算法則的教學(xué)的論文06-16
宇宙和宇宙數計算法的論文04-28
幸福的計算法閱讀答案12-12
《幸福的計算法》閱讀答案11-23
云計算智能輸入法設計研究論文04-15