网站大量收购独家精品文档,联系QQ:2885784924

人工智能基础03--有哪些信誉好的足球投注网站技术.ppt

人工智能基础03--有哪些信誉好的足球投注网站技术.ppt

  1. 1、本文档共105页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
与遗传算法比较 遗传算法是一种具有生成+检测 (generate and test)的迭代过程的有哪些信誉好的足球投注网站算法。从理论上分析,迭代过程中,在保留上一代最佳个体的前提下,遗传算法是全局收敛的。然而,在对算法的实施过程中不难发现两个主要遗传算子都是在一定发生概率的条件下,随机地、没有指导地迭代有哪些信誉好的足球投注网站,因此它们在为群体中的个体提供了进化机会的同时,也无可避免地产生了退化的可能。在某些情况下,这种退化现象还相当明显。另外,每一个待求的实际问题都会有自身一些基本的、显而易见的特征信息或知识。然而遗传算法的交叉和变异算子却相对固定,在求解问题时,可变的灵活程度较小。 3.6 免疫算法 与遗传算法比较 免疫算法将免疫概念及其理论应用于遗传算法,在保留原算法优良特性的前提下,力图有选择、有目的地利用待求问题中的一些特征信息或知识来抑制其优化过程中出现的退化现象。 3.6 免疫算法 有哪些信誉好的足球投注网站问题是一个优化问题。优化就是从各种方案中选取一个最好的。从数学角度看,优化理论就是研究如何在状态空间中寻找到全局最优点。优化算法可分为两类: 局部优化算法(经典优化算法):如线性规划、整数规划、0–1规划、非线性规划、排队论、决策论。已经得到了人们广泛深入的研究。 全局性优化算法(现代优化算法)主要包括禁忌有哪些信誉好的足球投注网站、模拟退火、遗传算法、神经网络等,是20世纪80年代兴起的新型全局性优化算法,其主要应用对象是优化问题中的难解问题,即NP–hard问题 总结 总结 算法比喻 为了找出地球上最高的山, 一群有志气的兔子们开始想办法。 总结 方案一:兔子们朝着比现在高的地方跳去,它们找到了不远处的最高山峰。但是这座山不一定是珠穆朗玛峰。其实,它们这种做法只是自己心理上认为找到了最高的山,并不能保证局部最优值就是全局最优值。 局部有哪些信誉好的足球投注网站法 总结 方案二:兔子们吃了失忆药片,并被发射到太空,然后随机落到了地球上的某些地方。他们不知道自己的使命是什么。但是,如果你过几年就杀死一部分海拔低的兔子,多产的兔子们自己就会找到珠穆朗玛峰。 遗传算法 总结 方案三:兔子们知道一个兔子的力量是渺小的。于是,它们互相转告着,哪里的山已经找过,并且找过的每一座山他们都留下一只兔子做记号。这样,它们制定了下一步去哪里寻找的策略。 禁忌有哪些信誉好的足球投注网站法 总结 方案四:兔子们用酒将自己灌醉了。它们随机地跳了很长时间。在这期间,它们可能走向高处,也可能踏入平地。但是,随着时间的流逝,它们渐渐清醒了并朝最高方向跳去。 模拟退火法 课堂练习 求下图所示的旅行问题中,应用等代价有哪些信誉好的足球投注网站算法求出费用最小的路线,设出发地是A城,目的地是E城,图中各边上的数字代表交通费用。 课堂练习 A/0 1 AB/2 2 AC/0 3 AD/7 4 2 3 7 ABC/5 5 3 ABD/6 6 4 3.4 遗传算法 3.4.1 遗传算法的基本原理   例:对于销售员旅行问题(Travelling Salesman Problem, TSP),设有n个城 市,城市i和城市j之 间的距离为d(i,j), 要求找到一条遍访每 个城市一次而且恰好 一次的旅行线路,使 其路径总长度为最短。 3.4 遗传算法 3.4.1 遗传算法的基本原理   该问题是一个典型的NP问题,即随着规模的增加,可行解的数目将呈指数级增长。 按一条回路中城市的次序进行编码。从城市w1开始,依次经过城市w2 ,……,wn,最后回到城市w1,我们就有如下编码表示:   w1 w2 …… wn   由于是回路,记wn+1=w1。它其实是1,……,n的一个循环排列。要注意w1,w2,……,wn是互不相同的。 3.4 遗传算法 3.4.1 遗传算法的基本原理 2. 适应度函数   为了体现染色体的适应能力,引入了对问题中的每一个染色体都能进行度量的函数,叫适应度函数(fitness function)。TSP的目标是路径总长度为最短,自然地,路径总长度的倒数就可作为TSP问题的适应度函数: 其中wn+1=w1   适应度函数要有效反映每一个染色体与问题的最优解染色体之间的差距。适应度函数的取值大小与求解问题对象的意义有很大的关系。 3.4 遗传算法 3.4.1 遗传算法的基本原理 3. 遗传操作  简单遗传算法的遗传操作主要有有三种:选择(selection)、交叉(crossover)、变异(mutation)。改进的遗传算法大量扩充了遗传操作,以达到更高的效率。   选择操作也叫复制(reproduction)操作,根据个体的适应度函数值所度量的优劣程度决定它在下一代是被淘汰还是被遗传。  简单遗传算法采用赌轮选择机制,令∑fi表示群体的适

文档评论(0)

2232文档 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档