湘潭大學(xué) 人工智能課件 群智能

1、artificial intelligence (ai)，第9章：將組智能系統(tǒng)、內(nèi)容提要、第9章：組智能系統(tǒng)、內(nèi)容提要、第9章：將組智能系統(tǒng)、組智能描述為新的進化計算技術(shù)成為研究的焦點。特性是非智能主體通過合作表現(xiàn)智能行為的特性，它沒有集中控制，沒有提供全局模型，為解決復(fù)雜的分布式問題提供了基礎(chǔ)。組智能，優(yōu)勢靈活性：組可以隨時適應(yīng)不斷變化的環(huán)境。堅固性：即使個人失敗，整個小組也能完成任務(wù)。自我組織：活動既不受中央控制，也不受局部控制。典型算法螞蟻群算法(螞蟻捕食)粒子群算法(鳥捕食)、群智能、粒子群算法、粒子群算法(pso)、粒子群算法原理、粒子群算法(pso)、粒子群算法(pso)、粒子群算

2、法、粒子群算法(pso)1995年，詹姆斯肯尼(社會心理學(xué)博士)和露絲埃伯哈特(電子工程學(xué)博士，http:/www . engr . iupui . edu/eber hart/)提出粒子群算法(particle swarm optimization)pso算法每個解決方案都被稱為“粒子(粒子)”，所有粒子都有自適應(yīng)值，每個粒子都有確定飛行方向和距離的速度，粒子沿當(dāng)前最佳粒子搜索解決方案空間。particle swarm optimization的原理說明，particle swarm optimization原理，算法流，pso算法的相關(guān)定義pso中的對象，也稱為粒子，在多維搜索空間中飛行。

3、pso中的每個粒子保留兩個向量位置向量xi。解決方案空間中粒子的當(dāng)前位置速度矢量vi:解決方案空間中粒子的飛行速度pbest:粒子自身過去的最佳位置gbest:組全局最佳矢量lbest:鄰居的最佳位置，pso算法初始化為隨機粒子組，通過迭代找到最佳位置。在每次迭代中，粒子通過跟蹤單個極端(pbest)和全局極端(gbest)更新位置。算法流、算法流、粒子速度和位置更新、t時間指示第一個粒子在超空間中占用的位置。將速度向量添加到當(dāng)前位置后，位置更改為：算法流，pso算法是驅(qū)動優(yōu)化過程的速度vi(t)矢量。速度矢量反映了粒子本身的經(jīng)驗知識和相鄰粒子的社會交換信息。粒子的經(jīng)驗知識通常稱為認(rèn)知部分，與

4、粒子過去的最佳位置(pbest)成正比。社會交換信息被稱為速度方程的社會部分。相鄰大小不同的兩個算法gbest pso、全局最佳粒子群優(yōu)化lbest pso、局部最佳粒子群優(yōu)化、算法過程、gbest pso:全局最佳粒子群優(yōu)化、粒子群優(yōu)化、粒子群優(yōu)化特性pso算法收斂速度，特別是算法初期在收斂的情況下，由于所有粒子都朝著最佳解決方案的方向飛去，因此粒子均化(多樣性損失)，導(dǎo)致后期收斂速度明顯減慢，算法以一定精度收斂，優(yōu)化無法繼續(xù)，可實現(xiàn)的精度也不高。，內(nèi)容摘要，第9章：群智能系統(tǒng)，群算法原理，群體的捕食行為，群體算法原理，群體分工，群體算法原理，螞蟻血結(jié)構(gòu)，群體算法原理，螞蟻血結(jié)構(gòu)，信息素是螞

5、蟻本身釋放出來的，實現(xiàn)螞蟻群內(nèi)間接通信的物質(zhì)。短路徑上螞蟻的往返時間比較短，單位時間內(nèi)通過這條路徑的螞蟻很多，因此信息素的累積速度比較長。因此，當(dāng)后續(xù)螞蟻在路口的時候，他們傾向于檢測以前螞蟻留下的信息，選擇更短的路徑。這種積極的反饋機制使越來越多的螞蟻沿著巢穴和食物之間的最短路徑行進。其他路徑的信息素隨著時間的推移蒸發(fā)，所以最終所有螞蟻都沿著最佳路徑移動。螞蟻群算法過程、螞蟻系統(tǒng)(ant system，as)的ant -cycle版本是最基本的aco算法，并提出了tsp作為應(yīng)用實例。螞蟻群算法過程，路徑構(gòu)建：偽隨機比選擇規(guī)則對于每個螞蟻k，路徑內(nèi)存矢量rk按訪問順序記錄k通過的所有城市序列號。

6、如果將螞蟻k當(dāng)前所在的城市設(shè)置為i，那么選擇城市j作為下一次訪問對象的概率將如上所示。jk(i)表示可以直接從城市i到達而螞蟻不訪問的城市序列rk中的一組城市。(i，j)是啟發(fā)式信息，通常由(i，j)=1/dij直接計算。(i，j)表示邊(i，j)上信息素的數(shù)量。螞蟻群算法過程，路徑構(gòu)建：偽隨機比選擇規(guī)則長度越短，信息素濃度越高，螞蟻選擇的概率越高。和是控制啟發(fā)式信息和信息素濃度之間權(quán)重關(guān)系的兩個預(yù)設(shè)參數(shù)。0時算法進化為現(xiàn)有的隨機貪心算法，選擇最近城市的概率最高。=0時，螞蟻僅根據(jù)信息素濃度確定路徑，算法快速收斂，最佳路徑與實際目標(biāo)大不相同，算法性能差。蟻群算法過程，信息素更新：(1)算法初始化時，問題空間各方面的信息素初始化為0。(2)算法重復(fù)每一輪，問題空間所有路徑上的信息素蒸發(fā)，所有邊上的信息素乘以小于1的常數(shù)(:信息素的蒸發(fā)率)。信息素蒸發(fā)是自然界本身固有的特征，可以防止算法中信息素的無限積累，從而使算法快速丟棄以前制造的糟糕路線。大衛(wèi)亞設(shè)，北境，成功)(3)螞蟻根據(jù)自己建造的路徑長度，在這個輪子經(jīng)過的邊緣釋放