课堂学术报告蓝色扁平化论文答辩模板ppt模板.ppts演示课件

,智能仿生算法研究综述,组员：宋心怡 章修琳,导师：姚敏,Review of intelligent bionic algorithm,目录,CONTENTS,PARTONE,引言-概述,4,智能仿生算法是一种模拟生物进化和仿生自然界动物昆虫觅食筑巢行为的新兴智能化方法。在综述中我们将对智能仿生算法研究现状及进展稍作介绍，然后简要综述上述三种典型算法的基本原理，同时对近年来各种算法的典型应用作总结，最后对其应用前景进行展望。,引言-研究背景,5,“探索复杂性”成为当代科学最具革命性的前沿，仿生学逐渐被用于研究系统复杂性，相比传统优化方法，仿生学算法能更快发现复杂优化问题的最优解。更具现实及应用意义。仿生类智能算法因其具有并行性、随机性、自适应性、鲁棒性的特点以及解决组合优化问题等表现出的优势使得目前对这种算法的研究正引起极大的关注并得到高度重视。,PARTONE,典型算法-蚁群算法,7,由意大利学者Dorigo等首先提出。该算法是对真实蚁群协作的模拟，每只蚂蚁在候选解空间中搜索独立解，并在搜索过程中留下一定的信息素。解的性能越好，留下的信息素的量就越多，信息量越多的解被选择的可能性就越大。,蚁群算法,在算法开始，所有的解的信息量是相同的，随着算法推进，较优解上的信息量不断增加，算法最终收敛到最优解或者近似最优解。,典型算法-蚁群算法,8,算法优点,与其他算法相比（遗传算法，神经网络）比较，蚁群算法的主要优点有：正反馈性。通过不断强化最优解的信息素，加快算法的收敛速度。较强的鲁棒性。对基本蚁群算法模型稍加修改，便可以应用于其他问题。分布式计算。蚁群算法是一种基于种群的进化算法，具有本质并行性，易于并行实现。易与其他方法结合，蚁群算法很容易与多种启发式算法结合，以改善算法的性能。,典型算法-蚁群算法,9,算法不足,很多方面需要进一步发展和完善：目前大部分改进的蚁群算法都是针对于特定问题，普适性不强，同时蚁群算法模型也不能直接应用于实际优化问题。现阶段的蚁群算法还只是模拟了自然蚂蚁很少一部分社会性，例如信息素机制等。仍然有很大的空间去提出更加智能化的蚁群行为。蚁群算法目前还带有明显的经验性，很多结果只是建立在实验基础之上，需要奠定其理论基础。蚁群算法本身具有分布式计算的特性，但其并行化研究还是停留在初级阶段。一旦并行化有了显著的提高，算法效率将会有极大的提高。,典型算法-微粒群算法,10,由Kennedy等于1995年开发的一种演化计算技术。根据对环境的适应度将群体中的个体移动到好的区域，将每个个体看作D喂搜索空间中的一个没有体积的微粒（点），在搜索空间中以一定的速度飞行，这个速度根据它本身的飞行经验以及同伴的飞行经验进行动态调整。,微粒群算法,典型算法-微粒群算法,11,保留了基于种群智能的进化算法，采用简单的速递位移模型，避免了复杂的遗传操作。特有的记忆使其可以动态跟踪当前的搜索情况以调整其搜索策略，具有较强的全局收敛能力和鲁棒性。算法概念简单，易于实现，只需很少的代码和参数，因而在短期内得到很大发展，并在很多领域得到应用，如电力系统优化、神经网络训练、交通事故探测等。,算法优点,典型算法-微粒群算法,12,相对于其他算法成果比较分散，缺乏系统性，有些问题有待于进一步探讨和深入：算法的理论研究。数学基础薄弱，缺乏深刻且具有普遍意义的理论分析。算法的改进研究。如何将微粒群算法与其他演化技术的优点相结合，构造出有特色又有实用价值的混合算法是改进的重要方向。算法应用。虽然微粒群算法已被成功地用于函数优化及神经网络的训练等领域。但在更多领域的应用还处于研究阶段。进一步开拓该算法新的应用领域也是一项重要研究内容,算法不足,典型算法-人工鱼群算法,13,由我国学者李晓磊提出。基本思想是：在一片水域中，鱼往往能自行或尾随其他鱼找到营养物质多的地方，因而鱼生存数目最多的地方一般就是本水域中营养物质最多的地方。,人工鱼群算法,人工鱼群算法根据这一特点，模拟鱼群的各种行为动作，结合动物自制体模式，通过鱼群中各个体的局部寻优，达到全局最优。,PARTTWO,蚁群算法的应用,15,Dorigo首先将蚁群算法应用在TSP问题上，结果表明，蚁群算法的求解效果明显优于现在流行的几种进化算法。微粒群算法与遗传算法结合用来设计递归/模糊神经元网络。基于微粒群的神经网络预测TicTacToeGAme树叶节点的状态。使用微粒群算法来估计在化工动态模型中产生不同动态现象的参数区域，结果显示算法提高了传统动态分叉分析的速度。,人工鱼群算法的应用,16,国内李晓磊等人用计算实例表明人工鱼群算法具有良好的克服局部极值、取得全局极值的能力。马建伟等将人工鱼群算法用于三层前向神经网络的训练过程，并于加动量项的BP算法、演化算法以及模拟退火算法比较，表明人工鱼群算法具有鲁棒性，全局收敛性好等优点。王飞等人以人工鱼群算法为基础，结合遗传算法的选择操作和模拟退火算法的依概率接受的思想，形成混合人工鱼群算法，对着陆飞机排序问题进行仿真计算。,PARTTHREE,总结,18,智能仿生算法作为一类新型进化算法，在求解复杂优化问题中表现出良好的效果：其潜在的并行性和分布式特点为处理大量的以数据库形式存在的数据提供了技术保证效率比其他算法高，鲁棒性强算法简单易于实现对硬件要求低，易于推广,一些展望,19,智能仿生起步较晚，多依赖实验和经验，还有很多问题有待深入研究：理论研究滞后于应用研究，数学基础缺乏深刻且具有普遍意义的理论分析，具有完备的数学理论基础将会使智能仿生算法得到更广泛的应用。向算法之间的结合及智能仿生算法与其他传统优化技术或者启发式算法结合的方向研究发展，提高算法的计算性能，将大大促进传统理论和计算方法在各个领域中的应用。,总结-一些问题,20,3. 蚁群算法等求解连续优化问题相对较弱，而实际工程应用中存在着许多此类问题如不能将算法应用于求解