人工智能算法綜述

人工智能算法綜述在人工智能的研究領(lǐng)域普遍存在著優(yōu)化問題。隨著近年來國內(nèi)外對(duì)于人工智能和智能優(yōu)等都是較為常用的智能優(yōu)化算法。本文將對(duì)其中部分算法的基本思想進(jìn)行綜述。的求解表示成染色體的生存過程，通過群體的幅值、交叉以及變異等操作最終獲得最適應(yīng)環(huán)境GA抽象于生物體的進(jìn)化過程，通過全面模擬自然選擇和遺傳機(jī)制，形成一種具有“生成+檢驗(yàn)”特征的搜索算法。它以編碼空間代替問題的參數(shù)空間，以適應(yīng)度函數(shù)作為評(píng)價(jià)依據(jù)，以編碼群體為進(jìn)化基礎(chǔ)，以對(duì)群體中個(gè)體位串的遺傳操作實(shí)現(xiàn)選建立起一個(gè)迭代過程。在這一過程中，通過隨機(jī)重組編碼位串中重位串集合優(yōu)于老一代的位串結(jié)合，群體的個(gè)體不斷進(jìn)化，逐漸接近最優(yōu)解，最終達(dá)到求解問題的目的。GA作為一種通用的優(yōu)化算法，其主要特點(diǎn)是群體搜索策略和群體中個(gè)體間的信息神經(jīng)網(wǎng)絡(luò)、組合優(yōu)化以及圖像處理等領(lǐng)域取得了成功的應(yīng)用。模擬退火算法的來源是復(fù)雜組合優(yōu)化問題與固體的退火過程之間的相似之處。固體的退火過程是一種物理現(xiàn)象，隨著溫度的下降，固體粒子的熱運(yùn)動(dòng)逐漸減弱，系統(tǒng)的能量將趨近于最小值，從而得出待求解問題的最優(yōu)解。模擬退火算法在系統(tǒng)向著蟻群算法是受自然界中真實(shí)蟻群的集體覓食行為的啟發(fā)而發(fā)展起來的一種基于群集智能的進(jìn)化算法，屬于隨機(jī)搜索算法。雖然螞蟻本身的行為及其簡單，但由這些了能夠找到蟻巢與食物源之間的最短路徑外，還能適應(yīng)環(huán)境的變化，即在蟻群的運(yùn)動(dòng)路徑上出現(xiàn)障礙物時(shí)，螞蟻能很快的重新找到最短路徑。螞蟻在尋找食物時(shí)，能夠在其經(jīng)過的路徑上釋放一種特有的分泌素——外激素，使該物質(zhì)強(qiáng)度高的方向移動(dòng)。一次，蟻群的群體行為表現(xiàn)為一種信息正反饋想想：某條路徑上經(jīng)過的螞蟻越多，其上留下的外激素痕跡也就越多，后來螞蟻選擇該路徑的概率也就越高，從而增加了該路徑上的外激素強(qiáng)度。除了各種優(yōu)化問題外，蟻群算法還在函數(shù)優(yōu)化、系統(tǒng)辨識(shí)、機(jī)器人路徑規(guī)劃、數(shù)據(jù)挖掘及大規(guī)模集成電路布線設(shè)計(jì)等領(lǐng)域取得了令人矚目的成就粒子群優(yōu)化算法最早起源于對(duì)鳥類覓食行為的研究，機(jī)理是是對(duì)生物群體的社會(huì)行為進(jìn)行模擬。在生物群體中存在著個(gè)體與個(gè)體、個(gè)體與群體之間的相互作用相互影響的行為。這種行為體現(xiàn)的是一種存在于生物群體中的信息共享的機(jī)制。PSO就是對(duì)這種社會(huì)行為的模擬，即利用信息共享機(jī)制，使得個(gè)體之間可以相互借鑒經(jīng)驗(yàn)，從而促進(jìn)整個(gè)群體的發(fā)展。編碼方式也較簡單。由于PSO算法容易理解，易于實(shí)現(xiàn)，所以發(fā)展很快，在函數(shù)優(yōu)主要中諸個(gè)體的局部最優(yōu)，從而達(dá)到全局最優(yōu)的目的。該算法具有良好的