第6章遗传算法及其应用.ppt

进化算法领域学术刊物 重要国际期刊 Journal of Heuristics, Springer (/journal/10732) IF: 1.471 Natural Computing, Springer (/journal/11047) IF: 0.683 Swarm Intelligence, Springer (/journal/11721) IF: 0.64 Computational Intelligence (/journal/10.1111/(ISSN)1467-8640) IF: 1.0 进化算法领域学术会议 IEEE World Congress on Computational Intelligence (/) 2014 International Joint Conference on Neural Networks (IJCNN 2014), 2014 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2014), 2014 IEEE Congress on Evolutionary Computation (CEC 2014) 读书报告（第11/12周） 选择一个感兴趣的人工智能研究方向，介绍国内外研究现状，例如： 一种交通调度问题的人工智能求解方法 一种新兴智能优化算法及其应用 一种新型神经网络及其应用 群智能优化 蚁群优化 粒子群优化 蜂群优化 鱼群优化 … 粒子群优化 粒子群优化(Particle swarm optimization): 模拟鸟集群飞行觅食的行为，通过集体的协作使群体达到最优目的 避免与相邻的鸟发生碰撞冲突 尽量与自己周围的鸟在速度上保持协调和一致 尽量向群体中心靠近 粒子群优化 粒子群优化(Particle swarm optimization) 向自己到达过的个体最优位置学习: Pbest 向群体中的最优个体学习: Gbest 粒子群优化 粒子群优化(Particle swarm optimization) xi=( xi1, xi2,…, xin): 第i个粒子的当前位置 pbest_i=( pi1, pi2,…, pin): 第i个粒子的历史最优位置 gbest =( g1, g2,…, gn): 整个群的历史最优位置 vi=( vi1, vi2,…, vin): 第i个粒子的当前速度 粒子群优化 粒子群优化(Particle swarm optimization) 速度变化 位置变化 粒子群优化 粒子群优化(Particle swarm optimization) 速度变化 位置变化 学习因子: 自学习和向群体学习的不同比例 粒子群优化 粒子群优化(Particle swarm optimization) 速度变化 位置变化 学习因子: 自学习和向群体学习的不同比例 惯性权重: 防止过度震荡 粒子群优化 粒子群优化(Particle swarm optimization) 学习: 改变速度大小和方向 移动: 有哪些信誉好的足球投注网站新位置 适应度评估 初始化粒子群 终止？ 输出最优解 Y N 计算速度 更新pbest/gbest 更新位置 粒子群优化 粒子群优化用于函数优化示例 学习: 改变速度大小和方向 移动: 有哪些信誉好的足球投注网站新位置 程序演示 粒子群优化 粒子群优化 粒子群优化应用示例: 0-1背包问题 学习: 改变速度大小和方向 移动: 有哪些信誉好的足球投注网站新位置 110000(28), 001100(21), 000011(15) 110010(36), 101100(36), 010011(28) 110110(45), 111100(49-), 110011(41-) 110110(45), 110110(45), 110110(45) 粒子群优化 粒子群优化应用示例: 旅行商问题 编码 学习/移动操作 解码 程序演示 粒子群优化 粒子群优化的特点 适用于高维连续优化问题 快速收敛 局部寻优能力较弱 并行性 粒子群优化 粒子群优化算法的改进 向邻域局部最佳学习 随机邻域结构 蜂群优化 人工蜜蜂算法(Artificial bee algorithm): 模拟蜂群采蜜行为 Scout Employed Onlooker 蜂群优化 人工蜜蜂算法 Scout Employed Onlooker 蜂群优化 人工蜜蜂算法的特点 局部寻优能力较强 收敛速度较慢 实现较为复杂 鱼群算法 鱼群算法: 模拟鱼群觅食行为 觅食行为：一般情况下随机游动，发现食物时加速游动 聚群行为：分隔，对准，内聚 追尾行为：尾随发现食物的鱼 鱼群算法 鱼群算法的特点 收敛速度较快 精确度不高 群智能优化 群智能系统应满足的5个基本原则(Millonas