智能算法学习总结

智能算法学习总结本科的时候学习了智能信息处理这门课程,所使用的教材是《计算智能》张军,詹志辉.计算智能[M].清华大学出版社,2009.11之前回忆了一下一些还有点记忆的算法,写了一点博客如下:1、神经网络的基础知识与简单分类编程https://blog.csdn.net/SweeNeil/article/details/865313842、模糊逻辑基本原理与编程https://…

大家好,又见面了,我是你们的朋友全栈君。

 

本科的时候学习了智能信息处理这门课程,所使用的教材是《计算智能》

张军,詹志辉. 计算智能[M]. 清华大学出版社,2009.11

之前回忆了一下一些还有点记忆的算法,写了一点博客如下:

1、神经网络的基础知识与简单分类编程

https://blog.csdn.net/SweeNeil/article/details/86531384

2、模糊逻辑基本原理与编程

https://blog.csdn.net/SweeNeil/article/details/86535572

3、粒子群算法基本原理与编程

https://blog.csdn.net/SweeNeil/article/details/86542129

4、模拟退火算法原理与编程

https://blog.csdn.net/SweeNeil/article/details/86545469

5、遗传算法的基础知识与编程

https://blog.csdn.net/SweeNeil/article/details/86552674

6、蚁群算法的基础知识与可参考资料

https://blog.csdn.net/SweeNeil/article/details/86573662

百度百科中智能算法的描述如下:

“智能算法”是指在工程实践中,经常会接触到一些比较“新颖”的算法或理论,比如模拟退火遗传算法禁忌搜索神经网络天牛须搜索算法等。这些算法或理论都有一些共同的特性(例如模拟自然过程等)。它们在解决一些复杂的工程问题时大有用武之地。

 

其实通过学习这些算法,自我感觉里面的核心就在于巧妙地运用了随机数。我们在搜索的过程中,通过一个随机概率,选择那些在当前情况下并不是最优的解。这样做有一个好处,就是可以避免局部最优解,让解可以跳出局部最优,有更大的概率或得到全局最优解。

而这些智能算法结合随机数,给出一种快速求解的可理解思路,例如蚁群算法,模拟蚁群的生活方式,来构建这样一个可理解的模型,将一个抽象的问题同自然界的现象结合起来,更有说服力。

其实在生活中很多地方都可以引入随机概率,例如在TSP问题中,有很多近似算法,例如最小权匹配法、二边逐次修正法。当时在进行学习的时候,感觉到二边逐次修正法可能会遇到进入局部最优解的问题,所以才导致该算法无法找到精确解。如果给二边逐次修正法加入一个随机概率,在每次选边的时候以一个较低的随机概率接收大于现有两边的解,可能对于跳出局部最优解会有一定帮助。

对于上述猜想我也没有具体深究,就是感觉这个随机概率很神奇,自然现象结合随机概率,就让很多理论活跃了起来。

智能算法可能作为平时的一种计算工具被我们广泛使用,但是目前我还没有具体运用到,现在所处的领域过于底层,自己也想到了就随便写写了。

完。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/151613.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号