现代计算方法讲座.pptVIP

现代计算方法专题 提纲 进化计算方法（遗传算法） 人工神经网络 蚁群智能计算 数据挖掘技术与方法（支持向量机） 背景介绍 21世纪，系统生物学的诞生进一步提升了后基因组时代的生命科学研究能力。正如胡德所说：“系统生物学将是21世纪医学和生物学的核心驱动力。” 生物学世纪的两桩令人瞩目的科学事件 ◆ 1994年,美国科学家Adelman在Science上发表了第一篇用DNA分子的生化反应进行计算并解决人类数学问题的开创性文章。这个事件则向人们揭示，生命体也是计算的主体，不仅人、动物甚至更简单的生命物质也会进行计算，例如细胞核DNA份子也可以是计算的主体。 ◆ 2003年,人类染色体的DNA全序列测序完成，从此人类有了自己的遗传密码。这件事告诉人们生命体是计算的产物，这种计算依赖的数据和计算程序的编码隐藏在人类已测定的30亿个碱基对中。 进入21世纪短短的10年，向生命世界学习计算的思想悄然在科学界传播开来，形成新的计算主义。 一、进化计算方法（遗传算法） 两种力量导致了生物进化的产生，构成进化的基本要素：变异与选择。 根据现代生物进化理论，所有的生物体的特征及其变化都受到基因的控制，并将自己的基因拷贝给子女，这就是遗传密码。 自然选择是对生物的表现型的选择遗传变异是基因型中某个遗传密码形成突变，或者遗传密码进行重新组合。 在模仿进化原理而形成的仿生计算中最基础与典型的算法就是遗传算法(Genetic Algorithm) 遗传算法是John Holland开发的一种进化算法 遗传算法的基本操作： Step 1 将问题求解的对象编码成由基因组成的染色体； Step 2 设计杂交和变异规则； Step 3 设计适应值函数并进行遗传操作。 GA的形式化定义 记 为抽象的个体， 为所有字符长度为 的二进制串的集合。种群 表示为 个个体的一个组，记为 ，定义适应值函数 (实数)， 称为个体的适应值。选择操作的算子定义为 ；杂交操作的算子 ；变异操作的算子 。定义 为杂交概率， 为变异概率，则一下七元组就定义了一个遗传运算（即为一个特定的GA） 案例 实例目标函数作图，Matlab程序 x = -1: 0.01: 2; y = x .* sin(10*pi * x) + 2.0; plot(x, y); grid on; 二、人工神经网络 早在20世纪上半叶开始了这个领域的研究，在多半个世纪的发展中成为无论在理论还是应用方面都日趋成熟的仿生计算分支。 神经网络具有学习功能，其学习也称训练。神经网络能够从环境中学习，从而以新的方式对环境的变化作出反应时神经网络最有意义的性质。 1949年Hebb提出了最著名的经典学习规则，称为Hebb学习规则，用于调整神经网络的突触权值。 人工神经网络是大量模拟神经元互连而成的网络， 是人脑的抽象、简化、模拟，反映人脑的基本特征。ANN模型具有下面三个要素： ◆具有一组突触连接，用表示神经元与的联结强度，或称为权值，但ANN的权值可取正与负值。 ◆具有反映生物神经元时空整合功能的输入信号累加器。 ◆具有一个激励函数，勇于转换神经元的输出。激励函数将输出信号压缩(限制)形成一个范围的有限值。 人工神经网络的基本方法 Step 1 设计神经网络结构，特别是学习方法； Step 2 利用训练集求解神经网络参数； Step 3 对已有参数进行计算并学习修正网络参数。 案例 人工神经网络模型中激励函数Sigmoid图像 ，Matlab程序如下 ： v = -10: 0.1: 10; a = .5; f = 1./(1 + exp(-a * v)); plot(v, f, red); hold on; % another a: a = .8; f = 1./(1 + exp(-a * v)); plot(v, f, blue); % once more: a = 2; f = 1./(1 + exp(-a * v)); plot(v, f, green); ◆1943年，神经生物学家W.McCullch和数学家W.Pitts在著名的论文《神经活动内容概念的逻辑演算》中总结生物神经元的基本生理特征，提出了第一个神经计算模型，即神经元的阈值元件模型，简称MP模型。 ◆1949年，加拿大心理学家Do