资讯与服务

    (周一至周日 9:00-21:00)
    微信:liu87712531
    微信:lin445385978

    邮箱:87712531@qq.com

    咨询电话:15321970583

网站服务

您当前位置:首页 -> 计算机论文 -> 计算机理论->详细(目前国内最大最全原创最多的免费论文中心)

客服QQ咨询:点击这里给我发消息 点击这里给我发消息

无忧论文,为您指导,让您轻松发表,轻松晋级!

字号大小:


智能算法综述(六)

作者:不是人 整理:本网站论文网 录入时间:2011-12-14 00:18:10
极值pBest,另一个极值是整个种群目前找到的最优解,这个极值是全局极值gBest。另外也可以不用整个种群而只是用其中一部分最优粒子的邻居,那么在所有邻居中的极值就是局部极值。

  5.2.2 PSO算法过程

  ① 种群随机初始化。

  ② 对种群内的每一个个体计算适应值(fitness value)。适应值与最优解的距离直接有关。

  ③ 种群根据适应值进行复制 。

  ④ 如果终止条件满足的话,就停止,否则转步骤 ② 。

  从以上步骤,我们可以看到PSO和遗传算法有很多共同之处。两者都随机初始化种群,而且都使用适应值来评价系统,而且都根据适应值来进行一定的随机搜索。两个系统都不是保证一定找到最优解。但是,PSO没有遗传操作如交叉(crossover)和变异(mutation),而是根据自己的速度来决定搜索。粒子还有一个重要的特点,就是有记忆。

  与遗传算法比较,PSO的信息共享机制是很不同的。在遗传算法中,染色体(chromosomes) 互相共享信息,所以整个种群的移动是比较均匀的向最优区域移动。在PSO中, 只有gBest (or lBest) 给出信息给其他的粒子, 这是单向的信息流动。整个搜索更新过程是跟随当前最优解的过程。与遗传算法比较, 在大多数的情况下,所有的粒子可能更快的收敛于最优解。

  现在已经有一些利用PSO代替反向传播算法来训练神经网络的论文。研究表明PSO 是一种很有潜力的神经网络算法,同时PSO速度比较快而且可以得到比较好的结果。

  6 展望

  目前的智能计算研究水平暂时还很难使“智能机器”真正具备人类的常识,但智能计算将在21世纪蓬勃发展。不仅仅只是功能模仿要持有信息机理一致的观点。即人工脑与生物脑将不只是功能模仿,而是具有相同的特性。这两者的结合将开辟一个全新的领域,开辟很多新的研究方向。智能计算将探索智能的新概念,新理论,新方法和新技术,而这一切将在以后的发展中取得重大成就。

  参考文献

  [1] “Ant-Colony Optimization Algorithms(ACO)”,

  http://leanair4.mit.edu/docushare/dscgi/ds.py/Get/File-378/RG_EE141_W8ACO.pdf

  [2 ] “Swarm intelligence-what is it and why is it interesting”

  http://www.micro.caltech.edu/Courses/EE150/dungeon/Week1/OH_W1SwarmIntel.pdf

  [3] Tony White,“Swarm Intelligence: A Gentle Introduction With Application”,

  http://www.sce.carleton.ca/netmanage/tony/swarm-presentation/index.htm

  [4] 胡守仁等.神经网络导论[M].长沙:国防科技大学出版社,1993.113~117.

  [5] 姚新,陈国良,徐惠敏等.进化算法研究进展[J].计算机学报,1995,18(9):694-706.

  [6] 张晓,戴冠中,徐乃平.一种新的优化搜索算法—遗传算法.控制理论与应用[J].1995, 12(3):265-273.

  [7] 杨志英.BP神经网络在水质评价中的应用[J].中国农村水利水电,2001,9:27-29.

首页 上一页 3 4 5 6 下一页 尾页 6/6/6

上一篇PC控制系统设计的要点
下一篇数字图书馆的知识产权问题探析