最新最優(yōu)化理論概要課件ppt.ppt

《最新最優(yōu)化理論概要課件ppt.ppt》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、最優(yōu)化理論概要三大經(jīng)典算法NO.1遺傳算法NO.2模擬退火法NO.3神經(jīng)網(wǎng)絡(luò)算法遺傳算法GeneticAlgorithm11常用的選擇策略是“比例選擇”，也就是個體被選中的概率與其適應(yīng)度函數(shù)值成正比。選擇2交叉前：00000

2、011100000000

3、1000011100

4、000001111110

5、00101交叉后：00000

6、000001111110

7、1000011100

8、011100000000

9、00101交叉3變異前：000001110000000010000變異后：000001110000100010000變異遺傳算法的三個最基本操作

10、選擇輪盤賭算法/**按設(shè)定的概率，隨機選中一個個體*P[i]表示第i個個體被選中的概率*/intRWS(){m=0;r=Random(0,1);//r為0至1的隨機數(shù)for(i=1;i<=N;i++){/*產(chǎn)生的隨機數(shù)在m~m+P[i]間則認為選中了i*因此i被選中的概率是P[i]*/m=m+P[i];if(r<=m)returni;}}基本遺傳算法偽代碼/**Pc：交叉發(fā)生的概率*Pm：變異發(fā)生的概率*M：種群規(guī)模*G：終止進化的代數(shù)*Tf：進化產(chǎn)生的任何一個個體的適應(yīng)度函數(shù)超過Tf，則可以終止進化過程*/初始化Pm，Pc，M，G，Tf等參

11、數(shù)。隨機產(chǎn)生第一代種群Popdo{計算種群Pop中每一個體的適應(yīng)度F(i)。初始化空種群newPopdo{根據(jù)適應(yīng)度以比例選擇算法從種群Pop中選出2個個體if(random(0,1)

12、該算法每次從當前解的臨近解空間中選擇一個最優(yōu)解作為當前解，直到達到一個局部最優(yōu)解。爬山算法2模擬退火其實也是一種貪心算法，但是它的搜索過程引入了隨機因素。模擬退火算法以一定的概率來接受一個比當前解要差的解，因此有可能會跳出這個局部的最優(yōu)解，達到全局的最優(yōu)解。模擬退火法爬山算法與模擬退火法冶金學(xué)中，退火是將材料加熱后再經(jīng)特定速率冷卻，目的是增大晶粒的體積，并且減少晶格中的缺陷。材料中的原子原來會停留在使內(nèi)能有局部最小值的位置，加熱使能量變大，原子會離開原來位置，而隨機在其他位置中移動。退火冷卻時速度較慢，使得原子有較多可能可以找到內(nèi)能比原先更低

13、的位置。其中k是一個常數(shù)，exp表示自然指數(shù)，且dE<0。溫度越高，出現(xiàn)一次能量差為dE的降溫的概率就越大；溫度越低，則出現(xiàn)降溫的概率就越小。又由于dE總是小于0，因此dE/kT<0，所以P(dE)的函數(shù)取值范圍是(0,1)。關(guān)于爬山算法與模擬退火，有一個有趣的比喻：爬山算法：兔子朝著比現(xiàn)在高的地方跳去。它找到了不遠處的最高山峰。但是這座山不一定是珠穆朗瑪峰。這就是爬山算法，它不能保證局部最優(yōu)值就是全局最優(yōu)值。模擬退火：兔子喝醉了。它隨機地跳了很長時間。這期間，它可能走向高處，也可能踏入平地。但是，它漸漸清醒了并朝最高方向跳去。這就是模擬退火

14、。算法描述若J(Y(i+1))>=J(Y(i))(即移動后得到更優(yōu)解)，則總是接受該移動若J(Y(i+1))T_min){dE=J(Y(i+1))-J(Y(i));if(dE>=

15、0)//表達移動后得到更優(yōu)解，則總是接受移動Y(i+1)=Y(i);//接受從Y(i)到Y(jié)(i+1)的移動else{//函數(shù)exp(dE/T)的取值范圍是(0,1)，dE/T越大，則exp(dE/T)也if(exp(dE/T)>random(0,1))Y(i+1)=Y(i);//接受從Y(i)到Y(jié)(i+1)的移動}T=r*T;//降溫退火，0

16、tificialneuralnetworks3思維學(xué)中，人類的大腦的思維分為：邏輯思維、直觀思維、和靈感思維三種基本方式。而神經(jīng)網(wǎng)絡(luò)就是利用其算法特點來模擬人腦思維