| Idioma : |
|
| Comunitat enciclopèdia |Enciclopèdia Respostes |Enviar pregunta |Coneixement de vocabulari |Pujar coneixement |
Algorisme intel · ligent |
|
A la pràctica d'enginyeria, sovint ens posem en contacte amb alguns dels més "nous" o teòrics algoritmes, tals com el recuit simulat, algoritmes genètics, recerca tabú, les xarxes neuronals. Aquests algoritmes o teories tenen algunes característiques comunes (com ara la simulació dels processos naturals), comunament coneguts com "algorisme intel · ligent." Són molt útils en la solució de problemes complexos d'enginyeria. Algorismes intel · ligents Aquests algorismes són el que significa això? En primer lloc, una recerca local, el recuit simulat, algoritmes genètics, recerca tabú metàfora: Per trobar la muntanya més alta de la Terra, un grup de conills que aspiren començar a pensar en formes. 1. Conillet cap al salt d'alçada per col · locar el que és ara. Van trobar la muntanya més alta, no molt lluny. Però la muntanya no és necessàriament Everest. Aquesta és la recerca local, que no garanteix un valor òptim local és l'òptim global.2. Borratxo conill. Ell saltar a l'atzar per un llarg temps. Durant aquest període, és probable que pugi alt, pot entrar en el terreny. No obstant això, ell es desperta a poc a poc i anar cap a la direcció més alta de salt. Aquest és recuit simulat. 3. Els conills mengen pastilles d'amnèsia, i va ser llançat a l'espai, i després van caure a l'atzar en algunes parts del planeta. Ells no saben quina és la seva missió. Però si hi havia un parell d'anys per matar baixa altitud part del conill, conills prolífics trobaran el seu propi Everest. Aquest és l'algorisme genètic. 4 conills saben que la força d'un conill és petit. Ells Huxiangzhuangao amb, on les muntanyes s'han acostat i havia parlat amb cadascun d'ells va deixar un turó conillet marcat. Van desenvolupar una estratègia de cap a on mirar després. Aquesta és la recerca tabú. Visió intel · ligent algorisme Algorismes d'optimització intel · ligents per a resoldre problemes d'optimització en general. Els problemes d'optimització es poden dividir en (1) la resolució d'una funció, de manera que el valor de funció de mínim a partir del valor variable de problemes d'optimització de la funció i (2) en què un espai de solucions, trobar la solució òptima, el valor mínim de la funció objectiu de l'optimització combinatòria problemes. Un típic problema d'optimització combinatòria: Traveling Salesman Problem (Traveling Salesman Problem, TSP), problema de programació de processament (Programació Problema) ,0-1 problema de la motxilla (Problema de la motxilla), i el problema d'embalatge (Bin Problema d'embalatge) i així successivament. Existeixen molts algorismes d'optimització, incloent els algoritmes clàssics: programació lineal, programació dinàmica, etc; millorat algorisme de cerca local inclou el mètode d'escalada, el mètode del descens més agut, que es descriu en aquest article recuit simulat, algoritmes genètics i el mètode de recerca tabú anomenat orientació. Les xarxes neuronals, mètode de recerca caòtica pertany al sistema d'evolució dinàmica. Optimització de pensament que es fa referència a la funció de veïnatge sovint, el seu paper és el de trobar la manera d'aconseguir un (grup de) nova solució per la solució actual. Per a l'anàlisi de la implementació específica de basar-se en qüestions concretes. En general, la recerca local es basa en la ideologia d'ús avarícia funció de cerca local, si la recerca d'una solució millor que el valor existent i prendre l'última a l'antic abandonat. Però, és generalment només rep "solució mínim local", és a dir, podria aterrar conill "muntanyes Goldenthal i petit món", però no es troba la Muntanya Everest. El recuit simulat, algoritmes genètics, recerca tabú, les xarxes neuronals de diferents angles i estratègies per aconseguir les millores aconseguides millor "mínim global." Classificació Algorisme Algorisme de recuit simulat Algorisme de recuit simulat es basa en la similitud del material sòlid durant qüestions de recuit i d'optimització combinatòria. Substàncies quan s'escalfa, el moviment brownià de les partícules augmentar, després d'arribar a una certa intensitat, el material sòlid en un líquid, i després recuita en aquest moment, el moviment tèrmic de les partícules debiliten i es tornen gradualment ordenada, i, finalment, aconseguir l'estabilitat. Solucions de recuit simulat ja no són com el resultat final depèn del punt inicial, com la recerca local. Introdueix una probabilitat d'acceptació p. Si el nou punt (set pn) de la funció objectiu f (pn) millor, llavors p = 1, el que significa per seleccionar un nou punt, en cas contrari, la probabilitat p és el punt de recepció actual (joc pc) de la funció objectiu f (pc), NOVA funció objectiu f (pn), i un altre paràmetre de control de la funció T "temperatura". És a dir, el recuit simulat de cerca local no li agradava cada àvidament buscant bona del que és ara, la funció objectiu gairebé punt també pot arribar a acceptar. Amb l'execució de l'algorisme, la temperatura del sistema T es redueix gradualment, i finalment acaba en una temperatura baixa, temperatura a la qual, el sistema ja no accepta canvis. Les característiques típiques de recuit simulat per millorar la funció objectiu és, a més de l'acceptació, sinó també a acceptar una atenuació màxima, quan T és gran, gran atenuació acceptar quan T és gradualment més petit, l'atenuació més petita acceptada, quan T és 0, atenuació ja no és acceptable. Aquesta característica significa que el recuit simulat i el contrast de cerca local, pot evitar els mínims locals, així com el manteniment de la simplicitat i la versatilitat de la recerca local. Físicament, el primer s'escalfa per permetre que les col · lisions mútues entre les molècules es converteixen en estat desordenat per augmentar l'energia interna, i la refrigeració, la seqüència final de la molècula, però hi haurà més ordenada, en un termini més que en l'escalfament previ. Igual que el conill, després que estava borratxo, en comparació amb els pics propers a tancar els ulls van ensopegar saltar un gran cercle, però és més probable trobar Everest. En particular, quan T és 0, el recuit simulat esdevé un cas especial de cerca local. El recuit simulat pseudocodi expressió: procediment de recuit simulat començar t: = 0; inicialitzar temperatura T seleccioni una vc cadena actual de manera aleatòria; avaluar vc; repetició repetició seleccionar un nou vn cadena al barri de vc, (1) |
| Usuari Revisió |
|
Sense comentaris encara |
