Bahasa :
SWEWE Anggota :Login |Pendaftaran
Cari
Masyarakat ensiklopedia |Ensiklopedia Jawaban |Kirim pertanyaan |Pengetahuan kosakata |Upload pengetahuan
Sebelumnya 1 Berikutnya Pilih Halaman

Algoritma cerdas

Dalam praktek rekayasa, kita sering datang ke dalam kontak dengan beberapa lebih "baru" atau teori algoritma, seperti anil simulasi, algoritma genetika, tabu search, jaringan saraf. Algoritma ini atau teori memiliki beberapa karakteristik umum (seperti simulasi proses alam), umumnya dikenal sebagai "algoritma cerdas." Mereka sangat berguna dalam memecahkan masalah teknik yang rumit.

Algoritma Cerdas

Algoritma ini berarti apa? Pertama, pencarian lokal, anil simulasi, algoritma genetika, metafora tabu search:

Untuk menemukan gunung tertinggi di Bumi, sekelompok calon kelinci mulai memikirkan cara-cara.

1. Kelinci menuju lompat tinggi ke tempat daripada sekarang. Mereka menemukan gunung tertinggi tidak jauh. Tapi gunung belum tentu Everest. Ini adalah pencarian lokal, itu tidak menjamin nilai optimum lokal adalah optimum global.2. Kelinci mabuk. Dia secara acak melompat untuk waktu yang lama. Selama periode ini, kemungkinan untuk naik tinggi, mungkin masuk tanah. Namun, ia secara bertahap bangun dan pergi menuju arah lompatan tertinggi. Ini adalah simulasi annealing.

3. Kelinci makan pil amnesia, dan diluncurkan ke ruang angkasa, dan kemudian secara acak jatuh pada beberapa bagian dari planet ini. Mereka tidak tahu apa misi mereka. Tapi jika Anda memiliki beberapa tahun untuk membunuh dataran rendah bagian dari kelinci, kelinci produktif akan menemukan Everest mereka sendiri. Ini adalah algoritma genetika.

4 kelinci tahu bahwa kekuatan kelinci kecil. Mereka Huxiangzhuangao dengan, di mana gunung-gunung telah didekati dan berbicara dengan masing-masing dari mereka meninggalkan bukit kelinci menandai. Mereka mengembangkan strategi mana harus mencari berikutnya. Ini adalah tabu search.

Algoritma cerdas gambaran

Algoritma optimasi cerdas untuk memecahkan masalah optimasi pada umumnya. Masalah optimasi dapat dibagi menjadi (1) pemecahan fungsi, membuat nilai fungsi minimum dari masalah optimasi fungsi nilai variabel dan (2) di mana ruang solusi, mencari solusi yang optimal, nilai minimum dari fungsi tujuan optimasi kombinatorial masalah. Sebuah masalah optimasi kombinatorial khas: Traveling Salesman Problem (Traveling Salesman masalah, TSP), masalah penjadwalan pemrosesan (Penjadwalan Masalah) ,0-1 masalah ransel (Soal ransel), dan masalah kemasan (Bin Packing Problem) dan sebagainya.

Ada banyak algoritma optimasi, termasuk algoritma klasik: pemrograman linier, pemrograman dinamis, dll; meningkatkan algoritma pencarian lokal termasuk metode climbing, metode steepest descent, dijelaskan dalam artikel ini simulasi anil, algoritma genetika dan metode pencarian tabu disebut bimbingan. Jaringan saraf, metode pencarian kacau milik sistem evolusi dinamis.

Optimasi pemikiran yang sering disebut fungsi lingkungan, perannya adalah untuk mencari tahu bagaimana untuk mendapatkan (kelompok) solusi baru dengan solusi saat ini. Untuk menganalisis implementasi khusus harus didasarkan pada isu-isu spesifik.

Secara umum, pencarian lokal didasarkan pada ideologi penggunaan keserakahan fungsi pencarian lingkungan, jika menemukan solusi yang lebih baik dari nilai yang ada dan mengambil yang terakhir pada mantan ditinggalkan. Namun, umumnya hanya mendapatkan "solusi minimum lokal", yaitu, bisa kelinci ini landing "pegunungan Goldenthal dan dunia kecil", tetapi tidak menemukan Gunung Everest. The simulated annealing, algoritma genetika, tabu search, jaringan saraf dari sudut dan strategi untuk mencapai perbaikan dicapai lebih baik berbeda "minimum global."

Algoritma Klasifikasi

Algoritma SA

Algoritma SA didasarkan pada kesamaan bahan padat selama masalah anil dan optimasi kombinatorial. Zat ketika dipanaskan, gerak Brown dari partikel meningkat, setelah mencapai intensitas tertentu, bahan padat menjadi cair, dan kemudian anil pada saat ini, gerak termal partikel melemah dan secara bertahap menjadi tertib, dan akhirnya mencapai stabilitas.

Solusi anil simulasi tidak lagi sebagai hasil akhir tergantung pada titik awal seperti pencarian lokal. Hal ini memperkenalkan peluang penerimaan p. Jika titik baru (set pn) dari fungsi f obyektif (pn) lebih baik, maka p = 1, yang berarti untuk memilih sebuah titik yang baru, Jika tidak, probabilitas p adalah titik penerima saat ini (set pc) dari fungsi f obyektif (pc), NEW fungsi tujuan f (pn), dan parameter kontrol lain "suhu" fungsi T. Artinya, simulasi anil pencarian lokal tidak suka setiap rakus mencari baik daripada sekarang, fungsi target hampir titik juga dapat datang untuk menerima. Dengan eksekusi algoritma, T temperatur sistem secara bertahap menurun, dan akhirnya berakhir pada suhu rendah, di mana suhu, sistem tidak lagi menerima perubahan.

Ciri khas simulated annealing untuk meningkatkan fungsi tujuan ini selain penerimaan, tetapi juga untuk menerima redaman maksimum, ketika T besar, redaman besar diterima ketika T secara bertahap lebih kecil, redaman lebih kecil diterima, ketika T adalah 0, redaman tidak lagi dapat diterima. Fitur ini berarti bahwa simulasi annealing dan kontras pencarian lokal, dapat menghindari minimum lokal, dan juga mempertahankan kesederhanaan dan fleksibilitas dari pencarian lokal.

Secara fisik, dipanaskan pertama untuk memungkinkan tabrakan bersama antara molekul menjadi keadaan teratur untuk meningkatkan energi internal, dan pendinginan, urutan terakhir dari molekul namun akan lebih tertib, dalam waktu tidak lebih dari pada pemanasan sebelumnya. Seperti kelinci, setelah itu mabuk, dibandingkan dengan puncak dekat dengan menutup mata tersandung melompat lingkaran besar, tetapi lebih cenderung untuk menemukan Everest.

Terutama, ketika T adalah 0, anil simulasi menjadi kasus khusus dari pencarian lokal.

Simulated Annealing pseudo-kode ekspresi:

prosedur simulasi annealing

mulai

t: = 0;

menginisialisasi suhu T

pilih string vc saat ini secara acak;

mengevaluasi vc;

ulangi

ulangi

pilih string vn baru di lingkungan vc; (1)


Sebelumnya 1 Berikutnya Pilih Halaman
Pemakai Ulasan
Belum ada komentar
Saya ingin komentar [Pengunjung (54.234.*.*) | Login ]

Bahasa :
| Periksa kode :


Cari

版权申明 | 隐私权政策 | Hak cipta @2018 Dunia pengetahuan ensiklopedis