人工智能优化算法_第1页
人工智能优化算法_第2页
人工智能优化算法_第3页
人工智能优化算法_第4页
人工智能优化算法_第5页
已阅读5页，还剩39页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、人工智能优化算法曹金龙，2011年9月26日，优化问题的分类，单目标优化和多目标优化，优化目标的个数，约束优化和无约束优化，有无约束，优化变量，多目标优化，目标，一般来说，这些K个目标函数是相互冲突的，即它们不能同时达到最大值或最小值，这就需要找到一个折中的解决方案。这些解决方案通常被称为帕累托最优解。在一些文章中，Y=a*U b*V，a b=1被采用，但我认为这没有理论基础。多目标优化是优化理论研究的热点。支配解，二目标优化问题，约束优化问题的帕累托前沿，处理方法：罚函数法，经典算法，遗传算法，量子遗传算法(GQA)，粒子群算法，人工蜂群算法，量子粒子群算法，膜优化理论，多目标优化算法，遗传

2、算法是基于自然选择和群体遗传学的搜索方法， 其核心思想是：在初始种群产生后，根据“适者生存”和“适者生存”的原则，逐代进化产生更好的近似解。 目前，研究方向主要是遗传算法与其他智能优化算法和小生境遗传算法的结合。交叉和变异算子、单点交叉、边界变异：第k个位置的交叉点、父、子、第k个位置的突变点、父、子、交叉算子、交叉(单点交叉)在此应用。交换父代交叉后的基因，从而产生后代的基因。交叉点是随机生成的，并且示出了交叉点17处的相交过程。v1=10011011010010110100000010111001v2=001110101011000000101010101001001000，C1=10011011001011000001010101010100100001000C2=001111000假设染色体v1在第16位突变，突变过程如下。由于基因是1，它在突变后变成0。应该注意的是，相对于交叉概率，变异概率非常小。v1=1001101010101101010000010111001，C1=100110100100100100000001011001，在16个基因位置开始变异，选择算子，经典选择算法：选择具有高轮盘赌选择适应

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论