智能信息處理重點(diǎn)總結(jié)

1、智能信息處理是干什么的？舉 2到3個(gè)例子說明智能信息處理在生活中的應(yīng)用。是利用計(jì)算機(jī)對物體、圖像、語音、字符等進(jìn)行自動識別的技術(shù)，它的一般過程包括：樣本 采集、信息的數(shù)字化、預(yù)處理、數(shù)據(jù)特征的提取、與標(biāo)準(zhǔn)模式進(jìn)行比較、分類識別。例子： 圖形識別及語言識別。如手寫漢字的識別、語音識別、數(shù)據(jù)挖掘、智能檢索都是 智能信息處理的應(yīng)用實(shí)例。第一章 模糊集合(Fuzzy Set)模式識別(Pattern Recognition)模糊模式識別(Fuzzy Pattern Recognition)粗糙集(RohSet) 蟻群算法(Ant Colony Optimization, ACO)生物神經(jīng)網(wǎng)絡(luò)(Biol

2、ogical Neural Network, BNN)生物神經(jīng)元(neuron) 徑向基函數(shù) RBF( Radial basis function)SOM 網(wǎng)絡(luò)：Self -Orginazing Maps network 自組織網(wǎng)絡(luò)4神經(jīng)網(wǎng)絡(luò)三種基本模型(1)前饋型神經(jīng)網(wǎng)結(jié)(feedfroward network) 多層感知器BP 網(wǎng)絡(luò)(- Propagation leural Network )RBF網(wǎng)絡(luò)(2)反饋網(wǎng)絡(luò)(feedback n疊fwoM )Ilopfidd 網(wǎng)絡(luò)競爭學(xué)習(xí)網(wǎng)絡(luò)(competitire teaming network )SOM神經(jīng)網(wǎng)絡(luò)SVM fSupport Vec

3、tor MachineXjL*ii 機(jī)的 15 蘇。 道傳算* fGenetic Algorilhm, GAJ A-種會 ifcA，全優(yōu)他，/* 了解 旅行商問題( TSP, traveling salesman problem ) 知識庫(Knowledge Base)F近似集(Lower Approximation Set)上近似集(Upper Approximation Set)不可分辨關(guān)系(indiscernibility relation )稱為等價(jià)關(guān)系約簡(Reduction)“信息素” (pheromone )（2）論域U為無限集臺A = j宀（文）/工1 模糊集合（Fyy S給

4、定論域tA該論域上的一個(gè)模糊子集/T是指 對于任總能確定一個(gè)數(shù)兒（町“0,1,則：兒（）為模棚子集/的隸屬函數(shù)-宀卜）就是/屮 任盤元素關(guān)T模糊子集/的隸屬程度.心 U - W M - 卩 * (w)e 0,1/, （h）越接近山關(guān)于模糊子集昇的隸屬穆度越小=A, （h）越接近I，關(guān)干模糊子集d的隸屬程度越大：A,（N）越接近5.燉關(guān)于模糊子集/!的隸屬程度越模糊口考模糊集合的表示：（1）是離散的（2）是連續(xù)的2. 糊集合的表示論域上的一個(gè)模輛子集川向畐表不法扎徳記號法（1）論域F為冇限康合；住二百,，匚 d =（從（心），.,#/ （兒） 彳從（“）/耳十心（孔”心Jtff月心或二工/仃（兀

5、）八氣-/= L昇-從(v),x I A- e U例：給宦關(guān)于年齡的論域V = t|x e QA 00 該論域U定義了兩個(gè)模糊子集，分別足; 0 年老X Y二料年輕若所給隸屬函數(shù)分別為:(x-SQY50 A 10()f X-2525 X 100則兩個(gè)模糊子集分別農(nóng)示為:O J 0/jt+ Jv-50V丁 J-I2 J 2 fOi.v2 525-c.viHlO考并、交、補(bǔ)M模糊集的運(yùn)算二仏（兀）/）| A- e r 卜仏匕）衛(wèi)）| t j（1）等價(jià) 丿與甘等價(jià)o g S E匚 宀（F）=#R（Jt） （2 ）包含 /I U B O V X G 6 /仃（X ） 宀（X）（3）并（f門必）C二/U

6、 彳（血a）町|x總皿（X）二心（x）g4（x）二 mg d 仃（）,如（耳）卜 Vr C V(4)交infersecritftt)V = A( /f =H ( X), X )1 X e血（）=宀（用“兒（w）= min 小（上）0（丄），W苣L：（5）補(bǔ)（也piem ent） 模糊集M的補(bǔ)集fU（X）= I仃（X）, g E U考基于隸屬度的模糊判別A最大余屬 （無索W.橫集）關(guān)于n個(gè)段州人2A.是綸域X中的n金攜糊集合 奚別描述妁冷蟆更.對子給走的持釵別好象乂 婦黑存蠱一個(gè) 冋12口俊牌A =迥咚 m日 /%（%）（工J 狂：匚匕-“時(shí)flJ認(rèn)溝心相對隸屬于第k美O*1 *人務(wù)昂*,中，+

7、i*r :fc務(wù)射對A于合 A1, A2, A3,耳倉屬*欽分削若巴鎰*人半*4 咬：t相A真*102( X-50),-201工 5fl50 A S 佔(zhàn)60 A 700；.U-20/：OVJ- 2Cr-4)/20f1 - 2( V - 5小2葉叩了 700丄Xi 2020 s W 5030 r 5050 r S 606() 70nJ二J - 2|(.v-2)/20|*2(.v -40|i-*20f02(12t) 工30 x 40 l-2.v-70|/20鮮：若某45歲,役（45）7,兒（452 1仙（45）7 似（45）= max 仏（兀,仏（45）心（45）即此人應(yīng)屬子中年人B 扎(3or

8、，“息(30)=0戈如 G)=G() = max；“* G(), (30),小(3()即對于30多的人，既可以認(rèn)為是寺年人，也可以認(rèn) 為爰中年人.考最大最小貼近度、歐幾里得貼近度、歐氏距離、曼哈頓距 離、切比雪夫距離、馬氏距離、內(nèi)積、外積4*2-基子-掙近原則的娯*劌甜段ApA?、,A是論域X中的n個(gè)樓輛臬合標(biāo)準(zhǔn)犠型， 即：給良了 n個(gè)標(biāo)準(zhǔn)模型庫的搭述。對于給定的持舐則對象B (也是沁城X中的棋翎集含)， 44k.後得 CT (A|.B) = max r (ApB), r A2B)j ，o (A,).其中 r (ApB)表示B對Aj的貼氐度，則認(rèn)為B與Ak最和做； d(A,B) = mind(

9、ApB),d(A2，B),-,d(A,B),斗中d(Ai、B)表樂B-&Aj的 =j, $2 幾) 則兩向量間距離為：(1)歐式距離(Eucfidemt Distance=j(兀-訂4.1旬査之河的16 It-現(xiàn)=(2) 曼哈頓距dixtunce)/城區(qū)距離(CrtyBlock disuutee)w從小卜-J,h=E兀-川51(3) 切比雪夫距離(Chebyshev d istance)卜-丿1 =巾嚴(yán)(I兀-山)(6)馬氏距離(Mahaiaftobis Distance) #(j0=| 戈一 ML =(*-y)$為觀測空間隨機(jī)向量總體分布協(xié)方差矩陣4.2棋金之問的近度(!)御量(或損*禁心)

10、的內(nèi)積.卄積A.B是論蛻X = dj越人，越小，二者越貼近: 0-(/1, jy)越小,即4B越小.A S越人，二者越遠(yuǎn)離: 乞 min“/0),從(X)最大/最小貼近度 ?！?=_7_r藝 nwcda),如(X)cJV海明貼近度例JL于*大貼收J(rèn)I*護(hù)政原則的劌刪設(shè)X%64元索的臬合.幷設(shè)6個(gè)標(biāo)準(zhǔn)議矍分別由以下?lián)?旬(是* 合的一科做這亦丸)俎成A, = ( 1.0.8.0.5.0.4, 0.0.1)A2=(O.5.O.1,0.5, L0.6. 0)A3=( 0, 1,0.20705,0.8)A4=(O4 0, bO.9,0.6,0.5)A5=(O.8.O.2, 0,0.5. 1,0.7)A

11、5=(O.5.O.7,0.8, 0.0.5, 1)現(xiàn)洽）t 一個(gè)身欽射他*命*（1壽5隊(duì)小也臭矣于*B鴿一科瓠示分 A） B=（0.7.0.2.0.L0.4J.0.8）問B與哪個(gè)標(biāo)脈槎熨黃相釵？曙：采用素大/*小貼近度計(jì)鼻馬樓欖舸tAE的貼近度;JI/fl=為 inm(“4(E),“6(xJ)/工 max(/,(x,)j/1=1由于a(B,A2)= 0.3778a(BA4)= 0.4348ff (8.A,)=0.3333(7(8人3)= 0.4545r(B,A5)=0.8824 a 代人6)= 0.4565因此，詭據(jù)“擇近斥則”，可知BbAs景杓似.聚 A loose de/i/jition

12、of chi titering could he e p of organizing ohfects into groups whose members similar in some 巴k A duster h ihcrcfove a collection of objM蟄 which “EumlW between them and are dissimilar * to objects hefonging to other clusters.聚類的定義：聚類是把有相似屬性的元素歸并成一組的分組 過程。因此，同一個(gè)類別中的元素都相似，不同類別中的元 素都相異。聚類算法的分類:1、排他式聚類例

13、如:K均值聚類;2、重疊式聚類模糊K均值聚類;3、分級聚類例如:合成聚類。說明：C均值聚類和K均值聚類是一個(gè)東西；相應(yīng)地，模糊C均值聚類和模糊 K均值聚類說的也是一回事。C或K的含義相同，都表示聚類的數(shù)目，只是不同的作者用的不同的字 母來表示。該方法并不 總是有效。cD T1IO122. f均值方法-硬分類任務(wù)描述：將樣本集 = 兀,.,匕的個(gè)樣本劃分 到6*個(gè)類別中，使各樣本與其所在類的均值課差 平方和最小。c X - m：即準(zhǔn)則函數(shù)4垠小.f=l Aer；竹-第類樣本均值U&=xX, n X廣(D WJ e 1,2, .,c且f H 7 uXjUX zel,2,.,c “,X/)w0,l類

14、別數(shù)（的確定通常要求事先給定類別數(shù)C若類別數(shù)冃未知，可按如下方法確定W）般根據(jù)領(lǐng)域先驗(yàn)知識確定；3）實(shí)驗(yàn)確定：令f二1,2,3,-,分別逬行聚類，得/（）, 繪制小卜C曲線圖；找出其中的拐點(diǎn)，對應(yīng)聚類數(shù)目 為最終類別數(shù)。聚類中心 mi的確定：隨機(jī)抽取C個(gè)樣本，把它們作為 mi，i=i,2,cC均值聚類算法過程（1）適當(dāng)選擇c個(gè)類的初始中心；（2）在第k次迭代中，對任意一個(gè)樣本，求其到 c個(gè)中心的距離，將該樣 本歸到距離最短的中心所在的類；（3）分別計(jì)算每一類的均值，并用之來更新該類的中心值；（4）對于所有的c個(gè)聚類中心，如果利用（2）（ 3）的迭代法更新后，值保 持不變，則迭代結(jié)束，否則繼續(xù)迭

15、代。c均值聚類算法的最大優(yōu)勢在于簡潔和快速。 其關(guān)鍵在于初始中心的選擇和 距離公式。模糊聚類模糊C均值聚類算法定義：通過優(yōu)化目標(biāo)函數(shù)得到每個(gè)樣本點(diǎn)對所有類中心的隸屬度，從而決定樣本點(diǎn)的類屬以達(dá)到自動對樣本數(shù)據(jù)進(jìn)行分類的方法。（I）約定“預(yù)定類別數(shù)目 聚類中心 第f個(gè)樣本七關(guān)丁第/栄的隸屈K函數(shù)竹（工,）（2）聚類損失函數(shù) 濃縮，以強(qiáng)化糞內(nèi)樣本差異也（）門卜=1 j=iA常數(shù)，控制聚類結(jié)果的模糊程度* I,允許樣本以不同程度同時(shí)屬于多類 通常方取值在2附近.如方S 1.525或*訂1 JJ.8 h *等價(jià)丁U均值法At叫完全模糊.各類屮心均收斂至樣本中心表示xi到mj的距離的平方注：以上準(zhǔn)則函數(shù)

16、及其各個(gè)字母的含義是重點(diǎn)叮滬廣耳（斗）卜;=1 i = 準(zhǔn)則模糊C均值聚類算法的原理_c _M工血心J = h f = 12川/=!（2） Sfra昭愈條件極値法求解厲（X）叫.X. = m *1 1f*一|說明:心（叫）需要通過（/mj來表示，同時(shí)， mj也需要通過來表示，所以需要用迭代的方法來估計(jì)聚類中心Inr工國（兀）/-I即,上式中，關(guān)于均伉的估訃為非解析的, 可迭代估計(jì)聚類中心.xf&pifitepS4模糊C均值算法步驟設(shè)定參數(shù)聚類數(shù)|日仁控制參數(shù)A 初始化各個(gè)聚類中心叫叫心1,2,工r=i重復(fù)如下計(jì)算，直到隸屬度值穩(wěn)定“41/ = I,/ = 1n(1)市當(dāng)前聚類中心川計(jì)算隸度函數(shù)

17、(2川|當(dāng)前隸屬度函數(shù)對更新各聚類屮心E匕)A皿(i)=X,7-1，工$2p4迭代結(jié)克.輸出：聚類i|【心曲丿j- 1,乙,fS/ = 1 C隸屬度幻E)f = IlMSteps去模糊化*將模糊聚類轉(zhuǎn)化為確定性分類.若* = yrgmax/7(xj,則旳匚叭yji “*可選=對于圖像聚類，可將咼個(gè)模糊集的橈糊隸屬度映射成256級灰度圖像.注：以上模糊 C均值算法的步驟是重點(diǎn)第二章：人工神經(jīng)網(wǎng)絡(luò)考什么是人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是對生物神經(jīng)系統(tǒng)的模擬*大量簡單的計(jì)算單元結(jié)點(diǎn),神經(jīng)元)以某種形式 連接，形成一個(gè)網(wǎng)絡(luò)?？际裁词乔梆伾窠?jīng)網(wǎng)絡(luò)，兩層計(jì)算單元的前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)注：圖片給的是三層的考試考兩層的

18、1/t饋神經(jīng)網(wǎng)珞阿劃中的衣分畸類 鑫入節(jié)點(diǎn)；計(jì)算節(jié)戎 k 節(jié) A4( (byer)M ft可見瑤：Ifr入層(input layer)舍ft入羊點(diǎn)，無針3- 4 輸出虜(output layer)sfc A, 元 隆舍& ( hidden byer):中網(wǎng)41*羊A弟轉(zhuǎn)元第釣*入只與第匸1屬的*出舗it，無反績榆您由柢農(nóng)旬t層單角蘇弟；億債絡(luò)。 可用一有亀無WH敘示5 & 。 CIJI輸入悵處、7 f , hL= 耳 .Zl VI lTT嚀* Tv1_/ ,/ S./*1 二“rV丫Lip+lr 卜11 = f-mi Wia.iiitlk；!.* =r III+10 考BP神經(jīng)網(wǎng)絡(luò)的激活函數(shù)的

19、形式與要求 佇燈腫函數(shù)（$型函數(shù)，連續(xù)町微）一些$要的學(xué)習(xí)畀法要求輸出函數(shù)可微值域（Z）對數(shù)S型S數(shù)/側(cè)旳=匚丹/tl itf/ii 方fiC r /fJgA7g考什么是BP神經(jīng)網(wǎng)絡(luò)雖于BP算廉笛芳屈心知義（BP毎）X種住無節(jié)點(diǎn)傳建盛散底5盛級代編atA溶獲 試匾遅咸反絢侍*丄號具體解釋:兩個(gè)階投命號JL向待通過程槍入攜息從檢入層經(jīng)唸屬逐層，正向 傳遍，直至捋各單無的岀（2）課差尻向得*過輸出層農(nóng)豊避層”反向傳*,可間撰 計(jì)算隱晨各阜無的鍥4h幷用此娛蚤修雖 首屬的權(quán)值.考BP訓(xùn)練的目標(biāo)函數(shù)（準(zhǔn)則函數(shù)）是什么準(zhǔn)則函數(shù)一最小謀整平方和.權(quán)值修正（十1）二叫（） + （） A氣（）二-q5p +

20、qA嗎（F-1）偏置量修正巴=T7巧 +aA/r (/-I)學(xué)習(xí)步佞a常固走fu IM之間：或劫態(tài)調(diào)整1S性沖a）w數(shù)&通常041之間考BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用：分類與回歸鞅出帶點(diǎn)敵節(jié)點(diǎn)就取決于：網(wǎng)蒔*岀形武*眄類射鬥遞車爺岀矍1個(gè)料射*般9 1金輸出整克輸出節(jié)屈桑是矣射At *（；中取】（Vo仁C尸C住*0存二aHHA蹲 輸岀If點(diǎn)數(shù)旻二邀稠*隔住Jt8翼冃題，3a-ita er!&fq；出節(jié)jft.il是倚4氐詒融敘金it考BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程步驟B卩ffi夢墨訓(xùn)練樣本（輸入向屋,期坐輸出）.如節(jié)點(diǎn)S數(shù)胡始ft! J卜隨機(jī)數(shù)首先明確例：輸入畠與第隱含層間：心卜擊百學(xué)習(xí)歩長適常固定01 9.3之

21、間；或動態(tài)調(diào)整慣性（沖S）S&3通常叩-1之間確定神經(jīng)網(wǎng)塔結(jié)構(gòu)包括輸入S節(jié)點(diǎn)數(shù)：隱含數(shù)冃：各隱含層節(jié)點(diǎn)數(shù)冃輸山層節(jié)點(diǎn)數(shù)：各神繹元節(jié)點(diǎn)的傳遽隔數(shù)ArePH（2）樣車隼的標(biāo)準(zhǔn)化處理氐及出端編碼（石面會曲）設(shè)定終止條件；最人可允許訓(xùn)練輪數(shù)彈條件）； 訓(xùn)練禱喝軟務(wù)件）（斗）以小隨機(jī)SS初始化網(wǎng)a權(quán) r記訓(xùn)練時(shí)咼BP算法步驟(續(xù))STEP2； 復(fù)如下i血直至滿足翼法終止條件(1)按隨機(jī)或任意順序從訓(xùn)練集中抽取1個(gè)訓(xùn)練樣本(,Q) 樣本輔入，匕J/r期望輔出計(jì)算輸入jt時(shí)當(dāng)前網(wǎng)絡(luò)的實(shí)際輸出=沿 ，(*1 ( *1 ( 、=/工心T/工咗丁工獷屮獷+屮1-1十礦V心r = 1,W其中激活函數(shù)/()=77 =

22、/(0)(1-/仗)(1+W)BP算法步驟(3) 從輸出層開始調(diào)整權(quán)值及節(jié)點(diǎn)偏置星，具體為：對丁第腮，修正嚴(yán)口妨(小皿嚴(yán) 偏置車 h. (/ + !)= b. (/) +(z)/ = 1,S J =1,其中叫二曲對 Ab；=加；輸出 S(/=l-l)； 7 川-兒-兒)J = 1,，ft屮間層(l“c1)巧“(1-Awl7 = 1,宀BP算法步驟（4）更新全部權(quán)值H偏置童，對所有訓(xùn)練樣本 重新計(jì)算輸出；估汁更新垢網(wǎng)絡(luò)輸出誤差;檢伍算法終止條4牛若不滿杲條件.則人轉(zhuǎn)向若條件滿足、則終止轉(zhuǎn)向STEP3STEP3.算法結(jié)東”保存各層連搖權(quán)值及偏置量。終止條件可以是如卜N：U）網(wǎng)絡(luò)實(shí)際輸出與期望輸出總

23、誤差 丄凡） E X X少）： 其中 A；, C Rd、i = ,2,婆求：尋找7?空間上的一個(gè)實(shí)值函數(shù)從而可用 決策函數(shù)/（兀）=崔1（幻）：疋- ； 推新任意輸入耳對商的輸出值給定訓(xùn)練集丁 = （ 3 J兀;）；E I疋K Jf， 其中 A； Ci = 1,2,胡若存在3 RS h e 及正戮G使得J對于所有= +1的樣本兀*有+/?對于所有1二T的樣本兀，有少兀+力較好的分類邊界！分類間a （iiargin）盡可ft大： 分類邊界盡可能遠(yuǎn)W兩類樣本數(shù)據(jù)F面舉例說明（看懂圖）鼻3 /i 臓必1 優(yōu)分類邊界T能將兩類無錯(cuò)誤分開;分類間隔(margin)最大H,H“，二 J一博” * 0A H

24、 就介真航片平舒于鼻岐過備典鋼蒔*雇為中*4 (margin)灼之剛亦 #廣*同,*桃邊JHfc*弟*就*平optimal hyperpfan 94. svm的判別函數(shù)及參數(shù)說明g(x) =(H,v)-r6 =jrJ + Ai=參數(shù)說明:(1) ff*的多數(shù)分S為0一對于滬=工心切 時(shí)只是少S訓(xùn)練樣木J=l數(shù)據(jù)的線性俎臺.(2)所有的非零邈*對應(yīng)的訓(xùn)練樣本為支持向ft CSV)5. 如何用兩類分類svm求多類svm?并舉例。用兩類SVM分類模型實(shí)現(xiàn)多類分類結(jié)果的方法和過程。答：共有兩種方法。1、成對分類法。2 一類對余類法。以手寫體數(shù)字09的識別過程為例說明：1、 成對分類法是說訓(xùn)練附2 等于

25、45個(gè)兩類分類模型，每一個(gè)都是一種元素對另一種元素的分類模型。計(jì)算樣本關(guān)于每個(gè)SVC的分類結(jié)果，所得結(jié)果為1的那一類票數(shù) 加1。所有的分類模型都算完之后，統(tǒng)計(jì)哪一類得票數(shù)最多，就將該樣本歸到那一類中去。2、一類對余類法是說訓(xùn)練 10個(gè)兩類分類模型，每個(gè)模型分別對應(yīng)一個(gè)元素與其余元素的分類，計(jì)算樣本關(guān)于每個(gè) SVC的分類結(jié)果，如果決策 0為正類則0類得票加1，如果0決策為 負(fù)類，則19每一類得票都加1。所有的分類模型都算完之后，統(tǒng)計(jì)哪一類得票數(shù)最多，就 將該樣本歸到那一類中去。第五節(jié)：梯度下降法和遺傳算法1.梯度下降法（1）給定目標(biāo)函數(shù)（可能具體可能抽象），求最值的步驟梯度下降法的例子:舉一個(gè)菲

26、莓魚ffl例子，如極簸幾X）二V的g小值.利用梯度下Kffi方fefi題步驟咖下求舷V = 2x2、向梯匿相反的方聞移動X ,如下*1兀-嚴(yán)7,縣如果步性足夠小則可以保證沈迭代都在濟(jì)h e可能導(dǎo)勢收斂木崗如果步悅味A. M不能保證e-te&ns誠少*也不能俁X收鈿.擊循壞迭代歩驟3直到耳的債甥化到便需/仕）在商S迭代之閶的差值足碾右ttaO QXOOOOh也就是說，直到藥:歡 適忙計(jì)算出來 f 1刃墓本沒有變ft，則說朋此礦/b已經(jīng)達(dá)到局裁最4管了4、此時(shí)，輸出逹個(gè)厭就是便得函數(shù)f （工）小時(shí)的xff取值.（2）公式表示最蝦瞬的-種iW弒是I）c（k+l）瑚k）刊（k）禺中d獻(xiàn)學(xué)習(xí)瞬可以秋怖轍

27、.g（k）是心）瓣氐wm 如=吐+神 朋 細(xì)表腳麗卩上蒜鍍方社的j也2.遺傳算法基本流程，基本原理，術(shù)語，基本運(yùn)算（主要了解，為更好理解下面的例子）*同事* 二- 計(jì)算+-個(gè)*詒itAA足町止 士伴7胖耳4辭種卑P(t)7(t+1)f直行逸禪*柞/* 了解(2)遺41算決基本康理:it =#4.優(yōu) fiC 現(xiàn)拿，務(wù)解住伺的tt*跌無A種耳軻i轉(zhuǎn)am 將可|&鮮轉(zhuǎn)6種M筒一2MM*色匍，述* 色休的養(yǎng)金A素稀之另簽.從任*?*種耳出發(fā).遶錚，5、丸+*魏犒応*那肆越壯殳中簡松槪耳4體tt-代代aUU收敷-耳*4虛殊境 從耨WM同題的量優(yōu)瞬。G）兒個(gè)術(shù)語個(gè)體（基因健碼，攥色體）-問題的一個(gè)可能的解

28、。遺傳算法疔問題的每個(gè)解編碼為一個(gè)基因鏈 碼（染色體），通常為固定長度的二進(jìn)制符號串; 基因碼的每*住對應(yīng)-個(gè)基因6科體（種耳）若干個(gè)體的集合，即：解的一個(gè)子集。 科群疫進(jìn)化過程中，種沖規(guī)棋不變 r體對環(huán)境.的速度度用于評價(jià)種舜中不同個(gè)體矣于和僉同題優(yōu)劣的- 科洌度。笹個(gè)個(gè)體對應(yīng)優(yōu)化問題的一個(gè)鮮.個(gè)鮮對應(yīng)目 標(biāo)西欽r優(yōu)億訶長的:負(fù)則岳4U 的一個(gè)追a基于目標(biāo)因救取伉，評價(jià)個(gè)體關(guān)于環(huán)境的受應(yīng)能力。 連皮廢臉載（fitness function）問題中的全體個(gè)體與其 逅應(yīng) 度之間的一個(gè)對虛關(guān) *。一般是一個(gè)賣值因數(shù)（連娛，非負(fù)），寸哎國數(shù)戲是 遺傳尊廉中導(dǎo)按索的評價(jià)國數(shù)。(4)基兔近算 擇遺算：樁

29、*金體逋直.*島一jt#L則從上 代釁體中直錚比錢之*機(jī)會祝配A a道需 下一代外耳.貶慮柱Aa的個(gè)體弟T一代*秋的機(jī) 令*矢克乳地算；it錚科體的馬個(gè)金倬，必它為事， 謝一jt克又褪率，做基a健巧克(克#部分*4律), 從畫產(chǎn)兩個(gè)*角個(gè)體，作角扁代*X,1000 1100XlI00010LOX.(HOoAwOX01091100JJ支井遺算：琦井中金*以支4銳豐，驗(yàn)丸一個(gè)或# 個(gè)基BA的*am。100 1010010103遺傳算法步驟(對照上邊的流程圖理解，為理解卜面例子)(5) 遺鋸算濟(jì)的應(yīng)用步辣STEP1,住皓楚冃,3tM(S*XfctXR*if*flLeA4 金超L 止，丸舗伸碎*tt

30、4*A*.丸JUfc+*Jt*in+ Jtii暈可丹f4*色律篇邛：It彫JtifcMMJLfl晏-V及匱稱算*放4童罔B-AftiA，*4丸出鼻豐)診對山矣 卷爭才A,障：4丸由鼻*AL時(shí)牛律址血廈苗*,時(shí)(包括選擇，交叉，變異。其中了解常見的選擇64|龍 盤涉槿聊芳矗.算法：|輸賣曲并 *Wheel Selection J)E+金進(jìn)協(xié)算*給增Jt違Jt歩JL.包A耳*(Population弧司， A f-JK*10G-500J . 4#算于.犬乂*. *+STEPZ知弋牝呼馨.廣秋魚逢應(yīng)比牡快丿琦于= 4刺*耳.龜*孝*耳A為第打宣宣 iJSi下I代呼*.ntPS. 翳耳鼻#尾莓第JL*

31、一 A 卓是龍定建代黑琴海足 剋匾停fTEPJ*/考遺傳算法例子（重要）例:利用遺傳算法求解區(qū)間031上的二次函數(shù) 尸0的最大值，要求精確到個(gè)位.分析原問題可轉(zhuǎn)化為在區(qū)間0,31中搜索能使y 取最大值的點(diǎn)Q的問題.0,31中的點(diǎn)詈就是個(gè)體，函數(shù)值孔門恰好就 可以作為的適應(yīng)度，區(qū)間0門1就是一個(gè)（解 ）空間.這樣，只要能給出個(gè)休.V的適當(dāng)染色體編 碼，諂問題就可以用遺傳算法來解決解(1) 設(shè)定種群規(guī)模，編碼染色體，產(chǎn)生初始 種群。將種群規(guī)模設(shè)定為4：用5位二進(jìn)制數(shù)編碼 染色體；取下列個(gè)體組成初始種群S|：$1=13(01101), 2=24(11000)巧=8(01000),場=19(10011

32、)(2) 定義適應(yīng)度函數(shù)，取適應(yīng)度函數(shù)：/仗尸工？(3)計(jì)算各代種群中的各個(gè)體的適應(yīng)度，并 對艮染色體進(jìn)行遺傳操作,直到適應(yīng)度最高的個(gè) 體(即31 (11111)出現(xiàn)為止。首先計(jì)算種群y中各個(gè)體.?,= 13(01101), 52= 24(11000)53= 8(01000), 刀=19(10011) 的適應(yīng)度門陽0容易求得/&)=/(=13 紜 169 /(旳)=7(24) = 242 =576 /(3)=朋)=費(fèi)=64 /(，4尸7(19)=192=361由此可求得P(5i)= P(13) = 0.14PG2)= P(24) = 0.49P(S3)= P(8) = O.O6P($4)= P

33、(19) = O.31再計(jì)算種群y中各個(gè)體的選擇概率。 選擇概率的計(jì)算公式為工-/(9)7-1賭輪選擇法一輪盤賭法賭輪選擇示意0,490. 4$403CO在算法中賭輪選擇法可用下面的子過程來模擬: 在0,1區(qū)間內(nèi)產(chǎn)生一個(gè)均勻分布的隨機(jī)數(shù)廠。 若務(wù)，則染色體Z被選中。 若如Vf舸t（2三底N）,則染色體X&被選中。其中的 務(wù)稱為染色體習(xí)（片1, 2,，町的積累概率，其計(jì)算 公式為%述尸g)/=!選擇-復(fù)制設(shè)從區(qū)間0,1中產(chǎn)生4個(gè)隨機(jī)數(shù)如下:r, = 0-450126, = 0-110347尸3 = 0.572496, 口= 0.98503染色體適應(yīng)度選擇概率稅累概率選中次數(shù)S,=011011690.140J412=110005760.490.63253=01000640,060.6905=100113610.311.001于是，經(jīng)fi制得群體:5/=11000 (24) , 5/ =01101 (13)y =11000 (24),富=10011 (19)交叉設(shè)交叉率氏=100%,即$1中的全體染色體都 參加交叉運(yùn)算。設(shè)/與$2,配對，$3,與$訂配對。分別交換后 兩位基因，得新染色體：氣八= 11001 (25) , .7/=01100 (12) 衍=110