| Језик : |
|
| Енциклопедија заједница |Енциклопедија Одговори |Пошаљи питање |Речник Знање |Додај знања |
Интелигентни алгоритам |
|
У инжењерској пракси, често долазе у контакт са неким од више "нових" или теоријских алгоритама, као што су симулиране жарења, генетског алгоритма, табу претраживање, неуронских мрежа. Ови алгоритми или теорије имају неке заједничке карактеристике (као што су симулације природних процеса), познатији као "интелигентног алгоритма." Они су веома корисни у решавању сложених инжењерских проблема. Интелигентни алгоритми Ови алгоритми су шта значи? Прво, локална претрага, симулирани жарење, генетски алгоритам, табу претраживање метафора:Да бисте пронашли највише планине на Земљи, група теже зечеви почели да размишљају о начинима. 1. Бунни ка скоку на место него што је сада. Пронашли су највише планине нису далеко. Али планина није нужно Еверест. То је локални претраживач, то не гарантује оптимална вредност је локална глобални оптимум. 2.. Зец пијан. Он насумично скок дуго. Током овог периода, то је вероватно да ће ићи горе високо, она може ући у земљу. Међутим, он је постепено пробудити и отићи у правцу највишег скока правцу. Ово је симулирано жарење. 3.. Зечеви једу амнезија пилуле, а лансиран у свемир, а затим насумично пао на неким деловима планете. Они не знају шта је њихова мисија. Али, ако сте имали неколико година да убије нижим део зеца, плодан зечеви ће наћи свој Еверест. Ово је генетски алгоритам. 4 зечеви знају да снаге зец је мали. Они Хукиангзхуангао са, где су пришли планине и разговарао са сваким од њих оставио зека брдо обележавање. Они су развили стратегију где да погледате следећи. То је табу претраживање. Интелигентни алгоритам преглед Интелигентни алгоритми оптимизације за решавање проблема оптимизације генерално. Проблеми оптимизације се могу поделити на (1) решавање функцију, чинећи минималну вредност функције из променљива вредност проблеме функција оптимизације и (2) у коме решење простор, пронаћи оптимално решење, минималну вредност објективне функције комбинаторној оптимизације проблеми. Типичан Комбинаторна оптимизација Проблем: Проблем трговачког путника (трговачки путник проблем, ТСП), заказивање обрада проблема (Заказивање проблем) ,0-1 ранац проблема (Кнапсацк проблем), а проблема паковање (касета Паковање проблем) и тако даље. Постоје многи алгоритми оптимизације, укључујући класичне алгоритме: линеарно програмирање, динамичко програмирање, итд; побољшана локална претрага алгоритам укључује метод пењање, најстрмији силазак метод, описан у овом чланку симулиране жарења, генетског алгоритма и табу метода претраге зове вођење. Тхе неуронске мреже, хаотичан начин претраживање припада система динамичког еволуције. Оптимизација мисли које се често назива функције суседства, његова улога је да схватим како да добијете (групу) ново решење од тренутног решења. Анализирати специфичне имплементације да се заснива на специфичним питањима. У принципу, локална претрага се заснива на идеологији похлепа коришћења функције суседство претраге, уколико нађе боље решење од постојећег вредности и да други на бившег напуштена. Међутим, то је углавном само добити "локални минимум решење", то јест, могло ово зец слетање "Голдентхал планине и мали свет", али нису нашли на Монт Еверест. Симулирани жарење, генетски алгоритам, табу претраживање, неуронске мреже из различитих углова и стратегијама за постизање побољшања боље остварени "глобални минимални." Класификација Алгоритам Симулација жарење алгоритам Алгоритам за симулирано одгревање заснива се на сличности чврстог материјала током жарења и комбинаторну оптимизације питања. Супстанце кад се загрева, Брауново кретање честица повећана, након достизања одређени интензитет, чврст материјал у течност, а затим жарене у овом тренутку, топлотна кретање честица ослабе и постепено постају уредно, и на крају се постигне стабилност. Симулирани жарења решења нису више као коначни резултат зависи од почетне тачке као локално претраживање. Она уводи прихватање вероватноће п. Ако нова тачка (комплет ПН) објективне функције ф (ПН) боље, онда је п = 1, што значи да изаберете нову тачку, у супротном, вероватноћа п је садашњи пријемни тачка (комплет ком) објективне функције ф (ПЦ), НОВА циљ функција ф (ПН), а други контролни параметар "температура" Т функција. То је, симулирана жарење локална претрага није волео сваки похлепно гледа добро него што је сада, циљна функција скоро тачка може такође доћи да прихвати. Са извршења алгоритма, температура систем Т је постепено смањена, и на крају завршава на ниској температури, на којој температури, систем више не прихватају промене. Типичне карактеристике симулираног каљења да побољша функцију циља је поред прихватања, али и да прихвати максимално слабљење, када Т је велика, велика слабљење прихваћен када Т је постепено мањи, мањи слабљење прихваћен, кад је Т 0, више није прихватљиво слабљење. Ова функција значи да симулирани жарење и локални контраст претраживање, можете избећи локални минимум, а такође одржавање једноставност и разноврсност локално претраживање. Физички, први загрева да дозволи међусобних судара молекула постају поремећени држава да повећа унутрашњу енергију, и хлађење, коначни секвенцу молекула, али ће бити више уредно, у не више него у претходном грејања. Као зеца, након што је био пијан, у односу на врхове блиским затвара очи наишао скок велики круг, али више вероватно да ће наћи Еверест. Наиме, кад је Т 0, симулирана жарење постаје посебан случај локално претраживање. Симулација жарење псеудо-код израз: Поступак симулирани жарење почети т: = 0; иницијализовати температуре Т изаберите тренутни стринг ВЦ насумице; проценити ВЦ; понављање понављање изаберете нову стринг ВН у суседству ВЦ, (1) |
| Корисник Преглед |
|
Но цомментс иет |
