智能算法30个案例分析.pdfVIP

智能算法 30 个案例分析 【篇一：智能算法 30 个案例分析】 智能算法是我们在学习中经常遇到的算法，主要包括遗传算法，免 疫算法，粒子群算法，神经网络等，智能算法对于很多人来说，既 爱又恨，爱是因为熟练的掌握几种智能算法，能够 很方便的解决我 们的论坛问题，恨是因为智能算法感觉比较 “玄乎 ”，很难理解，更 难用它来 解决问题。 因此，我们组织了王辉，史峰，郁磊，胡斐四名高手共同写作 matlab 智能算法，该 书包含了遗传算法，免疫算法，粒子群算法， 鱼群算法，多目标 pareto 算法，模拟退火算法， 蚁群算法，神经网 络， svm 等，本书最大的特点在于以案例为导向，每个案例针对一 个实 际问题，给出全部程序和求解思路，并配套相关讲解视频，使 读者在读过一个案例之后能够 快速掌握这种方法，并且会套用案例 程序来编写自己的程序。本书作者在线，读者和会员可 以向作者提 问，作者做到有问必答。 本书和目录如下： 基于遗传算法的 tsp 算法（王辉） tsp ( 旅行商问 题— traveling salesman problem) ，是典型的 np 完全问题，即其 最坏情况下的 时间复杂性随着问题规模的增大按指数方式增长，到 目前为止不能找到一个多项式时间的有 效算法。遗传算法是一种进 化算法，其基本原理是仿效生物界中的 “物竞天择、适者生存 ”的演 化法则。遗传算法的做法是把问题参数编码为染色体，再利用迭代 的方式进行选择、交 叉以及变异等运算来交换种群中染色体的信息， 最终生成符合优化目标的染色体。实践证明， 遗传算法对于解决 tsp 问题等组合优化问题具有较好的寻优性能。 基于遗传算法和非线性规划的函数寻优算法（史峰）遗传算法提供 了求解非线性规划的通用框架，它不依赖于问题的具体领域。遗传 算法的优点 是将问题参数编码成染色体后进行优化， 而不针对参数 本身， 从而不受函数约束条件的限 搜索过程从问题解的一个集合开 始，而不是单个个体， 具有隐含并行搜索特性， 大大减少陷入局部 最小的可能性。而且优化计算时算法不依赖于梯度信息，且不要求 目标函数连续及可导，使其适于求解传统搜索方法难以解决的大规 模、非线性组合优化问题。 用于模式分类、模式识别等方面．但 bp 算法收敛速度慢，且很容易 陷 入局部极小点，而遗传算法具有并行搜索、效率高、不存在局部 收敛问题等优点而被广泛应 用．遗传算法的寻优过程带有一定程度 的随机性和盲从性，多数情况下只能收敛到全局次优 解，且有过早 收敛的现象．为了克服遗传算法寻优过程的盲从性，将有监督学习 的 bp 算法 与之结合以达到优势互补、提高算法的稳定性和全局搜 索能力的目的。 设菲尔德大学的 matlab 遗传算法工具箱（王辉） matlab 遗传算法 (genetic algorithm) 优化工具箱是基于基本操作及终止条件、二进制 和十进 制相互转换等操作的综合函数库。其实现步骤包括：通过输 入及输出函数求出遗传算法主函 数、初始种群的生成函数，采用选 择、交叉、变异操作求得基本遗传操作函数。以函数仿真