遗传算法学习笔记

遗传算法学习笔记

ID:3463678

大小:4.26 MB

页数:28页

时间:2017-11-21

遗传算法学习笔记_第1页
遗传算法学习笔记_第2页
遗传算法学习笔记_第3页
遗传算法学习笔记_第4页
遗传算法学习笔记_第5页
资源描述:

《遗传算法学习笔记》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、优化问题就是筛选合适的解。遗传算法其实就是定一些条件限制,让一些乱八七糟的输入经过筛选框架后朝着你想要的方向输出。其实,通过微调参数和繁衍、变异、淘汰、终止的代码(就函数方程式),我们有可能得到更有效的算法。遗传算法只是一个框架,里边具体内容可以根据实际问题进行调整,这也是它能在许多问题上派上用场的一个原因。特点:实际上,在生活和生产中,很多时候并不需要得到一个完美的答案;而很多问题如果要得到完美的答案的话,需要很大量的计算。所以,因为遗传算法能在相对较短的时间内给出一个足够好能凑合的答案。像这样可以适应很多问题的算法还有模拟退火

2、算法、粒子群算法、蚁群算法、禁忌搜索等等,统称为元启发式算法粒子群算法(POS)就是鸟群算法,其中粒子可以相互交流学习并且积累经验(信息共享机制),改变自身的结构适应当前的情况,它的研究来源于鸟群捕食,在捕食过程中找到最佳路径捕获食物。它的解有个体最优解和整体最优解蚁群算法类似于粒子群算法但是范围更大,所以也叫混沌蚁群算法,也是找优化解,最短路径,最合适方案等。解释了为什么群体的力量回比单个的力量要强一些; 特点:能够不通过其他蚂蚁得出问题的可行解,这个解往往不是最优的,但是通过对各个蚂蚁解进行综合处理能够对具体问题进行求解。虽然

3、蚂蚁并不具有对整体路径的判断力,但是具有判断局部信息的能力和遗传算法进行相比,遗传算法在种群进化的初期有着快速的全局搜索能力,而在后期搜索速度较慢。蚁群算法则是前期信息匮乏速度慢,后期则快速收敛。所以关于收敛速度的问题,很多学者将遗传算法和蚁群算法结合,通过遗传算法算子的选择、交叉、变异改进蚁群算法的参数,具体可以搜一些相关论文看看。引入神经网络:神经网络最重要的用途是分类,能自动对输入的东西进行分类的机器,就叫做分类器比如:1-垃圾邮件识别:现在有一封电子邮件,把出现在里面的所有词汇提取出来,送进一个机器里,机器需要判断这封邮件

4、是否是垃圾邮件。2-疾病判断:病人到医院去做了一大堆肝功、尿检测验,把测验结果送进一个机器里,机器需要判断这个病人是否得病,得的什么病。3-猫狗分类:有一大堆猫、狗照片,把每一张照片送进一个机器里,机器需要判断这幅照片里的东西是猫还是狗。分类器的输入是一个数值向量,叫做特征(向量),比如各种颜色,一对化验指标;目标就是让正确分类的比例尽可能高。分类器怎么做出来?先随机选一条直线/平面/超平面,然后把样本一个个拿过来,如果这条直线分错了,说明这个点分错边了,就稍微把直线移动一点,让它靠近这个样本,争取跨过这个样本,让它跑到直线正确的

5、一侧;如果直线分对了,它就暂时停下不动。因此训练神经元的过程就是这条直线不断在跳舞。应用举例:超大型卷积神经网卷积神经网络已经成为计算机视觉领域中最具影响力的一部分,它把分类误差记录从26%降到了15%,就是分类逼近的更好了;应用有Facebook将神经网络用于自动标注算法、谷歌将它用于图片搜索、亚马逊将它用于商品推荐、Pinterest将它用于个性化主页推送、Instagram将它用于搜索架构。我们想要计算机能够区分开所有提供给它的图片,以及搞清楚猫猫狗狗各自的特有特征。这也是我们人类的大脑中不自觉进行着的过程。当我们看到一幅狗

6、的图片时,如果有诸如爪子或四条腿之类的明显特征,我们便能将它归类为狗。同样地,计算机也可以通过寻找诸如边缘和曲线之类的低级特点来分类图片,继而通过一系列卷积层级建构出更为抽象的概念为什么要做信号分离?信号分离:给一个信号(这个信号可能非常复杂,很多的物理过程或是机械系统,通过数字化采样而获得它的观测信号)一个机械系统、一个振动过程,甚至是一个化学过程,这些都可以通过一些探测器(传感器)、测量手段获得一个信号,当一个物理过程含有多个成分的时候,或者说含有许许多多子系统,每个子系统在以各自不同的方式协调或者不协调工作的时候,这个信号就

7、会非常复杂。而现实是什么?我们只有一个这样的信号,我们希望通过对这个信号进行分析来获得这个系统的一些有关认识,甚至是它的物理结构有一定的了解(比如心电信号,当获得了心电图以后,是希望通过心电图来判断,心脏是否生病了,生病了是在哪个心室,生病了是以什么方式生病呢?所有这些行为都应该反应到这个信号上。这对我们信号处理的任务来讲是非常复杂的),一般对这些复杂信号做分析都采取什么手段呢?过去呢我们有两个方法,第一呢,我们直接对信号进行分析,比如直接对信号进行定量的分析,信号对应的是几种物质,或者是几个获取的参数,这些参数可以从信号中直接估

8、计出来,这个部分呢就是所谓的信号估计(这些方法就比较多)。第二呢,就是需要先对信号做一些展开或是变换,比如傅里叶变换(相当于说把一个信号展开到一组简谐波上去,每一个简谐波对应的分量告诉我们,这个信号含有这个频率成分有多少。)小波变换也是把一组信号,

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。