中科大瀚海星云BBS论坛
中国科大,中科大bbs,瀚海星云,瀚海星云bbs,中科大瀚海星云
[回到开始]
[上一篇][下一篇]
发信人: Leajun_L (潇潇雨)，原信区: ustcbbs
标 题: Re: 一种最优化算法．（二）
发信站: 中国科大BBS站 (Wed, 01 Jan 1997 09:34:43)，站内信件
==> China_Heart(崛龙祝你新年好) 说道:
> 二.模拟进化的最优化算法
> §1.模拟进化算法概述
> 虽然决定进化过程的信息物理过程很明晰，而由实验－出错得到的系统结构异常复杂
。
> 于是在模拟进化方法发展历史中，为解决复杂性有两类作法：
> ⑴从整体中分出各成分，然后分别优化。
> ⑵从进化结构的整体进行优化，评价。
> 而工程学上看，只要能从繁殖后代中作出明确的选择，又有较高效率，就可以认为是好算
> 法。
> 这种本质的简单使得可以为工程目的设计一种模拟进化最优化算法(Simulated
> evolutionary optimization alogrithm)。其表述如下：
> Step1:选取初始实验群体，其个体数Ｎ常远远大于１。
> Step2:群体进行有错的自繁殖，每对双亲常可产生Ｃ个(C在1-1000之间)后代。
> Step3:对繁殖后群体的每个个体(包括父辈和子女)的行为错误进行选择。选择的方式
> 通常有：①选最好的Ｎ个留下来繁衍下一代。
> ②或Ｎ个最好的最有可能留下来繁殖。
> Step4:重复执行Step2和Step3，直到达到预期效果或计算时间已到为止。
建议看看神经网络中介绍"遗传算法"方面的内容,其中有较为详细的如:
进化算法,达尔文进化算法,基因算法及并行遗传算法等的描述.我想你能得到
更多的信息的.
> 虽然具体问题将有具体的技巧，但都是以此为各模拟自然进化算法的基础。
> §2.模拟进化最优化方法的特点－隧道效应
> 一个繁殖后群体的整体适应性常用其全部“特性”的行为错误之和表示，称为群体的
> 适应性。任何一个进化过程的目的都是使之最小化，然而和普遍的数值函数一样，也常有
> 局部极小值问题。
> 几乎所有的基于梯度的常规最优化算法都处理不好局部极值问题，而这在模拟自然进
> 化方法中却得到了较好的解决。
这可以用模拟退火算法(Simulated Annealing)给以较完美的解决!
//me 也是这学期才学的神经网络(Neural Network),多少有点心得,
欢迎大家一起讨论.
//据说将有更好的算法(免疫算法---模仿人的免疫系统)问世,不知到底有
多牛!我拭目以待.
--
※ 来源: 中国科大BBS站 [bbs.ustc.edu.cn]
[回到开始]
[上一篇][下一篇]