| Nyelv : |
|
| Enciklopédia közösség |Enciklopédia válaszok |Küldje el kérdését |Szókincs |Feltöltés ismeretek |
Intelligens algoritmus |
|
A mérnöki gyakorlatban gyakran érintkeznek néhány a több "új" vagy elméleti algoritmusok, mint például a szimulált hőkezelés, genetikus algoritmus, tabu keresés, neurális hálózatok. Ezek az algoritmusok vagy elméletek néhány közös jellemzők (például a szimuláció a természetes folyamatok), közismert nevén az "intelligens algoritmus." Ezek nagyon hasznosak a megoldása komplex műszaki problémák. Az intelligens algoritmusok Ezek az algoritmusok mit jelent? Először is, a helyi keresés, szimulált hőkezelés, genetikus algoritmus, tabu keresés metafora: Ahhoz, hogy megtalálja a legmagasabb hegy a Földön, egy csoport feltörekvő nyulak kezdett gondolkodni módon. 1.. Bunny felé magasugrás helyezni, mint most. Megtalálták a legmagasabb hegy nem messze. De a hegy nem feltétlenül Everest. Ez a helyi keresés, nem garantálja a helyi optimális érték a globális optimum.2.. Rabbit részeg. Ő véletlenszerűen ugrik sokáig. Ebben az időszakban, akkor valószínű, hogy menjen fel magas, akkor beléphet a földre. Azonban ő lassan kelj fel, és menj felé a legnagyobb ugrás irányát. Ez a szimulált hűtés. 3.. Nyulak enni amnézia tabletták, és indult az űrbe, majd véletlenszerűen esett egyes részein a bolygó. Nem tudják, mi a küldetése. De ha volt egy pár év, hogy megöli alacsonyan fekvő része a nyúl, szapora nyúl meg fogja találni saját Everest. Ez a genetikus algoritmus. 4. nyulak tudják, hogy a nyúl ereje kicsi. Ezek Huxiangzhuangao is, ahol a hegyek már közeledett, és beszélt mindegyikük maradt nyuszi domb jelölést. Kifejlesztettek egy stratégiát, hogy hol kell keresni a következő. Ez Tabu keresést. Intelligens algoritmus áttekintése Az intelligens algoritmusok megoldására optimalizálási problémák általában. Optimalizálási problémák osztható (1) megoldása a funkciót, így a legkisebb függvényérték a változó értékét funkciót optimalizálási problémák és (2), amelyben a megoldás helyet, megtalálni az optimális megoldást, a minimális érték a célfüggvény kombinatorikus optimalizálás problémákat. Egy tipikus kombinatorikus optimalizálási probléma: utazó ügynök probléma (utazó ügynök probléma, TSP), a feldolgozás ütemezési probléma (ütemezési probléma) ,0-1 hátizsák probléma (hátizsák probléma), és a csomagolás probléma (ládapakolás probléma), és így tovább. Sok optimalizálási algoritmusok, beleértve a klasszikus algoritmusok: lineáris programozás, dinamikus programozás, stb, jobb lokális keresési algoritmus tartalmazza hegymászó módszer, legmeredekebb származású módszer a jelen cikkben ismertetett szimulált hőkezelés, genetikus algoritmus és tabu keresési mód az úgynevezett útmutatást. A neurális hálózatok, kaotikus keresési mód tartozik, a rendszer dinamikus fejlődését. Optimalizálása gondolat, ami gyakran hivatkozott környéken funkciója, szerepe, hogy kitaláljuk, hogyan lehet egy (csoport), az új megoldás a jelenlegi megoldás. Elemezni a konkrét végrehajtási kell alapulnia konkrét kérdésekben. Általában a helyi keresés alapul ideológiája kapzsiság használat környéken keresés funkciót, ha találni egy jobb megoldás, mint a meglévő értéket, és hogy az utóbbi az előbbi elhagyott. Ez azonban általában csak az kap "lokális minimum megoldás", vagyis lehet, hogy ez nyúl leszállás "Goldenthal hegyek és kicsi a világ", de nem találja a Mount Everest. A szimulált hűtés, genetikus algoritmus, tabu keresés, neurális hálózatok, különböző szögekből és stratégiákat, hogy elérjék a javulást ért el jobb "globális minimum." Osztályozási algoritmus Szimulált hűtés algoritmus Szimulált hőkezelés algoritmus a hasonlóság a szilárd anyag és a hőkezelés során kombinatorikus optimalizálási problémák. Anyagok hevítve, a Brown-mozgás a részecskék megnövelt, elérése után egy bizonyos intenzitású, a szilárd anyagot egy folyékony, majd a lágyított ebben az időben, a termikus mozgás részecskék fokozatosan gyengül, és rendezett, és végül elérni a stabilitást. Szimulált hűtés megoldások már nem olyan a végeredmény attól függ, hogy a kiindulási pont, mint a helyi keresés. Bevezeti az elfogadási valószínűsége p. Ha az új pont (set pn) az objektív f (pn) jobb, akkor p = 1, ami azt jelenti, hogy válasszon egy új pontot, ellenkező esetben a p valószínűséggel a jelenlegi fogadó pont (set db) az objektív f (db), NEW célfüggvény f (pn), és egy másik vezérlő paraméter "hőmérséklet" T funkció. Azaz, a szimulált hűtés helyi keresés nem szeretik egymást mohón néz ki, mint most, a célfüggvény szinte pont is jön elfogadni. A végrehajtás az algoritmus, a rendszer hőmérsékletét fokozatosan csökkent T, és végül végződik alacsony hőmérsékleten, és ezen a hőmérsékleten, a rendszer nem fogadja el a változtatásokat. Tipikus jellemzői szimulált hőkezelés, hogy javítsa a célfüggvény mellett az elfogadás, hanem elfogadni maximális csillapítás, ha T nagy, nagy csillapítási fogadható el, ha T jelentése fokozatosan kisebb, a csillapítás kisebb elfogadott, ha T értéke 0, már nem elfogadható csillapítás. Ez a funkció azt jelenti, hogy a szimulált hűtés és a helyi keresés szemben elkerülhetik a helyi minimumok, valamint fenntartja a egyszerűséget és a sokoldalúságot, a helyi keresést. Fizikailag, az első melegített, hogy lehetővé tegye a kölcsönös ütközések között a molekulák válnak rendezetlen állapotban, hogy növelje a belső energia, és a hűtés, a végső molekula szekvenciáját, de több lesz, rendezett, nem több, mint az előző fűtés. Mint a nyúl után, nem volt részeg, mint a csúcsok közelében elnéznek megbotlott ugrik egy nagy kört, de valószínű, hogy megtalálja Everest. Nevezetesen, ha T értéke 0, a szimulált hűtés lesz egy speciális esete a helyi keresés. Szimulált hűtés pszeudo-kód kifejezés: eljárás a szimulált megközelítés kezdődik t: = 0; inicializálni hőmérséklet T Válassza ki az aktuális sor vc véletlenszerűen; értékelni vc; ismétlés ismétlés válasszon egy új karakterlánc vn szomszédságában vc, (1) |
| Használó Felülvizsgálati |
|
Nincs még hozzászólás |
