社会认知优化改进与其应用-研究

社会认知优化改进与其应用-研究

ID:32027099

大小:705.36 KB

页数:66页

时间:2019-01-30

社会认知优化改进与其应用-研究_第1页
社会认知优化改进与其应用-研究_第2页
社会认知优化改进与其应用-研究_第3页
社会认知优化改进与其应用-研究_第4页
社会认知优化改进与其应用-研究_第5页
资源描述:

《社会认知优化改进与其应用-研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、南京工业大学学位论文独创性声明及使用授权的声明一、学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京工业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名:日期:二、关于学位论文使用授权的声明南京工业大学、中国科学技术信息研究所、国家图书馆、中国学术期刊(光盘版)电子杂志社及清华同方光盘股份有限公司有权保留本人所送

2、交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。允许论文被查阅和借阅,可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权南京工业大学研究生部办理。研究生签名:导师签名:日期:硕士学位论文第一章绪论1.1演化计算的基本思想当今世界人类文明迅猛发展,科学技术已经进入相互交叉、相互渗透和相互影响的时代,这一点尤其体现在计算机科学与技术领域,已经从根本上改变了人类的生产和生活。一方面,计算机科学在人类发展中扮演如此重要的角色,可以说,人类现在已经离不开计算机,计算机的快速发展

3、使人类进入了一个崭新的时代;另一方面,随着人类的生存空间的逐渐扩大和认识范围的拓宽,人类又对计算机科学提出了新的要求和期望。其中,对计算机的计算速度和智能化的要求是最迫切的。现实中很多的应用问题都涉及到大量的计算而且需要实时响应,这对计算机的运算速度提出了强有力的挑战。在计算机速度一定的情况下,人们就要求有更好的智能算法来解决所遇到的应用问题。1956年出现了人工智能的技术,人们看到了智能机器的希望,但是随着人工智能应用领域的不断拓展,传统的基于符号处理机制的人工智能方法遇到的问题越来越突出了。人们在寻找一种更加具有智能特性的算法,比如自组织、自适应

4、、自学习等,这就使得科学家把目光投向了现实生活中的一些自然存在的现象。而大自然却正为我们提供了解决各种问题的各种方法,给了我们很多有益的启示。很早人类就从大自然中学习解决问题的方法,并将其应用于实际问题中,并取得了成功。由此产生了一门新的学科——仿生学(bionics)。在计算机出现以后,人们便开始了模拟生物的过程,并形成了一个专门的部分。人们从研究生物系统出发,探索其产生基本认知行为的微观机理,然后模拟设计出具有一定生物智能的机器或者系统来解决复杂的问题。比如人工神经元网络、胞元自动机等,都是模拟生物系统发展起来的计算机研究方向。演化计算正是其中之

5、一。自然界经过了漫长的自适应——进化的过程而发展至今,演化计算正是基于这种思想而发展起来的一种比较通用的求解问题的方法。演化计算(EvolutionaryComputation,简称EC)是美国Michigan大学的JohnH.Holland教授在1975年首次提出的,后由K.DeJong,J.Grefenstette,D.Goldberg和L.Davis等人进行了改进。其基本思想是基于Darwin的进化论和Mendel的遗传1第一章绪论学说。根据适者生存、优胜劣汰的进化原则,对可能包含解的种群反复使用遗传的基本操作不断产生新的种群,使得物种不断进化

6、,不断发展。演化计算是用计算机来模拟大自然的演化过程,特别是模拟生物的进化过程,来求解复杂问题的一类计算模型。[1]演化计算包括:仿生演化和拟物演化。仿生演化包括:遗传算法(GeneticAlgorithm,简称GA)J.H.Holland(1975)。遗传程序设计(GeneticProgramming,简称GP)J.R.Koza(1992)等等。拟物演化包括:弹性松弛算法(ElasticRelaxation,简称ER)R.V.Southwell(1940)。模拟退火算法(SimulatedAnnealing,简称SA)S.Kirkpatrick(1

7、983)等等。虽然演化计算的这几个分支算法在实现方面有一些差别,但是这些差别正逐渐缩小,它们都有共同的特点就是借助生物进化的思想和原理来解决实际问题,在利用生物进化机制提高计算机求解问题能力的目标和基本问题思路上是一致的,即都是基于群体中个体间相互竞争和信息交换进化出适应度高的个体。由于演化计算采用随机变换规则,以目标函数的值信息指导进化搜索,无需目标函数的导数信息或其它问题相关的特殊信息,因此与传统的优化算法相比,受噪声和干扰的影响小、对初始值的选择不敏感,具有较强的“鲁棒性”,特别适合于复杂、多态、不可微、高度非线性的优化问题,尤其是梯度信息难以

8、获取以及优化目标函数难以定义的优化问题。演化计算与传统算法有很多不同之处,但是最主要的差别在于演化计算具有智

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。