智能信息处理课内实验_实验指导书

《智能信息处理课内实验_实验指导书》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、实验指导书目录实验一遗传算法解决函数优化问题1实验二模拟退火算法解决函数优化问题3实验三智能优化算法解决TSP问题5实验四简单感知器模型7实验五BP网络9实验六神经网络工具箱的应用11实验七模糊控制洗衣机13实验八基于遗传算法的图像几何畸变校正17实验九模糊C均值聚类算法20《智能信息处理及应用》课内实验指导书实验一遗传算法解决函数优化问题一、实验目的1．掌握遗传算法的基本原理和步骤。2．复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB或VC编写遗传算法程序。二、实验设备微机三、实验原理遗传算法是一类随机优化算法，但它不是简单的随机比较搜索，而

2、是通过对染色体的评价和对染色体中基因的作用，有效地利用已有信息来指导搜索有希望改善优化质量的状态。标准遗传算法流程图如图1.1所示，主要步骤可描述如下：①随机产生一组初始个体构成初始种群。②计算每一个体的适配值（fitnessvalue，也称为适应度）。适应度值是对染色体(个体)进行评价的一种指标，是GA进行优化所用的主要信息，它与个体的目标值存在一种对应关系。③判断算法收敛准则是否满足，若满足，则输出搜索结果；否则执行以下步骤。④根据适应度值大小以一定方式执行复制操作（也称为选择操作）。⑤按交叉概率pc执行交叉操作。⑥按变异概率pm执行变异操作。⑦返回步

3、骤②。四、预习要求1．认真阅读教材中遗传算法的基本原理与步骤。2．复习VB、VC的基本概念、基本语法和编程方法。五、实验内容及步骤1．上机编写程序，解决以下函数优化问题：2．调试程序。3．根据实验结果，撰写实验报告。21《智能信息处理及应用》课内实验指导书NN计算各个体的适配值（适应度）算法收敛准则满足？Yrandom[0,1]

4、解答以下问题，a)遗传算法中变异概率的设置对求解结果的影响。b)遗传算法中交叉概率的设置对求解结果的影响。c)遗传算法中种群规模的设置对求解结果的影响。3．对遗传算法的终止准则进行分析。4．分析遗传算法的优缺点，并提出改进意见。5．本实验的心得体会。21《智能信息处理及应用》课内实验指导书实验二模拟退火算法解决函数优化问题一、实验目的1.掌握模拟退火算法的基本原理和步骤。2.复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB或VC编写遗传算法程序。二、实验设备微机三、实验原理模拟退火算法是基于MonteCarlo迭代求解策略的一种随机寻优算法，其

5、出发点是基于物理退火过程与组合优化之间的相似性，模拟退火算法由某一较高初温开始，利用具有概率突跳特性的Metropolis抽样策略在解空间中进行随机搜索，伴随温度的不断下降重复抽样过程，最终得到问题的全局最优解。标准模拟退火算法的一般步骤可描述如下：(1)令m=0，给定初温tm，随机产生初始状态sm；(2)Repeat；sold=sm；(2.1)Repeat；(2.1.1)产生新状态：snew=Generate(sold)；(2.1.2)若min{1,exp[(C(sold)-C(snew))/tm]}³random[0,1]，则sold=snew；(2.

6、1.3)Until抽样稳定准则满足；(2.2)退温：tm+1=update(tm)，sm+1=sold，m=m+1；(3)Until算法终止准则满足；(4)输出算法搜索结果：sm。四、预习要求1.认真阅读教材中模拟退火算法的基本原理与步骤。2.复习VB、VC的基本概念、基本语法和编程方法。五、实验内容及步骤1.上机编写程序，解决以下函数优化问题：21《智能信息处理及应用》课内实验指导书1.调试程序。2.根据实验结果，写实验报告。tm+l=update(tm)sm+l=soldm=m+1Nm=0，确定初始温度t0，给定初始解s0算法收敛？Y输出结果smYNY

7、NMetropolis抽样稳定准则满足否？由当前状态产生新状态，snew=Generate(sold)sold=snewmin{1,exp[(C(sold)-C(snew))/tm]}≧random[0,1]？sold=sm图2.1标准模拟退火算法流程图六、实验报告撰写要求1.给出完整的源程序，并对源程序中的关键内容或语句给出必要的文字注释。2.利用实验数据，分析并解答以下问题，a)模拟退火算法中初温对求解结果的影响。b)模拟退火算法中初始状态对求解结果的影响。c)Metropolis抽样准则在模拟退火算法中的作用。d)波尔茨曼常数对求解结果的影响。3.分

8、析模拟退火算法的优缺点，并提出改进意见。4.本实验的心得体会。1．