物联网智能技术 教学课件 作者 张文宇 李栋 7.第七章.pptx

物联网智能技术 教学课件 作者 张文宇 李栋 7.第七章.pptx

ID:51780240

大小:4.13 MB

页数:78页

时间:2020-03-08

物联网智能技术 教学课件 作者 张文宇 李栋 7.第七章.pptx_第1页
物联网智能技术 教学课件 作者 张文宇 李栋 7.第七章.pptx_第2页
物联网智能技术 教学课件 作者 张文宇 李栋 7.第七章.pptx_第3页
物联网智能技术 教学课件 作者 张文宇 李栋 7.第七章.pptx_第4页
物联网智能技术 教学课件 作者 张文宇 李栋 7.第七章.pptx_第5页
资源描述:

《物联网智能技术 教学课件 作者 张文宇 李栋 7.第七章.pptx》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、物联网智能技术第7章其他计算智能法第7章其他计算智能法7.1蚁群算法7.2免疫克隆算法7.3鱼群算法7.4粒子群优化算法7.1蚁群算法蚁群算法由MarcoDorigo于1992年在他的博士论文中提出,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。社会性动物的群集活动往往能产生惊人的自组织行为,如个体行为显得简单、盲目的蚂蚁组成蚁群以后能够发现从蚁巢到食物源的最短路径。生物学家经过仔细研究发现蚂蚁之间通过一种称之为“外激素”的物质进行间接通信、相互协作来发现最短路径。受这种现象启发,意大利学者Dorigo、Maniezzo和Colorni通过模拟蚁群觅食行为提出

2、了一种基于种群的模拟进化算法——蚁群算法。37.1蚁群算法7.1.1蚁群算法的基础1.蚂蚁的信息系统蚂蚁有着奇妙的信息系统,其中包括视觉信号、声音通信和更为独特的无声语言,即包括化学物质不同的组合、触觉信号和身体动作在内的多个征集系统,来策动其他个体。47.1蚁群算法7.1.1蚁群算法的基础2.蚁群社会的遗传和进化在蚂蚁社会中,工蚁(亲姐妹)之间的亲缘系数是0.75,而不是0.5,因为工蚁都有来自单倍体父亲的一套相同的基因,而工蚁的另一半基因则是二倍体母亲体内基因的一半,所以姐妹情是大于母女情的。合作行为和利他行为在一个亲缘关系最为密切的家庭中应当得到最大的发展

3、。57.1蚁群算法7.1.1蚁群算法的基础3.蚂蚁的觅食行为和觅食策略6蚂蚁的觅食行为生物世界中的蚂蚁有能力在没有任何可见提示下找出从蚁穴到食物源的最短路径,并且能随环境的变化而变化地搜索新的路径,产生新的选择。蚂蚁的觅食策略Deneubourg等人通过“双支桥实验”对蚁群的觅食行为进行了研究。7.1蚁群算法双支桥实验7(a)实验的建立7.1蚁群算法双支桥实验87.1蚁群算法7.1.1蚁群算法的基础4.人工蚁和真实蚂蚁的异同9人工蚁具有两重特性:它们是真实蚂蚁行为特征的一种抽象人工蚁具备了真实蚂蚁所不具备的本领人工蚁和真实蚂蚁的共同特征:是一群相互合作的个体有共

4、同的任务通过信息素进行间接通信自催化机制(即正反馈)信息素的挥发机制类似不预测未来状态概率的状态转移策略7.1蚁群算法7.1.1蚁群算法的基础4.人工蚁和真实蚂蚁的异同10人工蚁和真实蚂蚁的不同特征:人工蚁生活在离散的世界中人工蚁拥有一个内部的状态人工蚁释放一定量的信息素人工蚁释放信息素的时间可以视情况而定人工蚁被赋予了很多其他的本领决定性因素:局部搜索策略蚂蚁的内部状态信息素轨迹蚂蚁决策表7.1蚁群算法7.1.2蚁群算法的原理这里引用Dorigo所举的例子来说明蚁群发现最短路径的原理和机制。117.1蚁群算法7.1.3蚁群算法描述蚁群算法可以看做一种基于解空间

5、参数化概率分布模型(parameterizedprobabilisticmodel)的搜索算法框架(model-basedsearchalgorithms)。在蚁群算法中,解空间参数化概率分布,模型的参数就是信息素,因而这种参数化概率分布模型就是信息素模型。在基于模型的搜索算法框架中,可行解通过在一个解空间参数化概率分布模型上的搜索产生,此模型的参数用以前产生的解来更新,使得在新模型上的搜索能够集中在高质量的解搜索空间内。127.1蚁群算法7.1.3蚁群算法描述一般来说,一个记忆模型的搜索算法通常使用以下两步迭代来解决优化问题:13可行解通过在解空间参数化概率分

6、布模型上的搜索产生用搜索产生的解来更新参数化概率模型7.1蚁群算法7.1.3蚁群算法描述【例】求解组合优化问题的蚁群算法:设置参数,初始化信息素踪迹While(不满足条件时)dofor蚁群中的每只蚂蚁for每个解构造步(直到构造出完整的可行解)a.蚂蚁按照信息素及启发式信息的指引构造一步问题的解;b.进行信息素局部更新。(可选)endenda.以某些已获得的解为起点进行邻域(局部)搜索;(可选)b.根据某些已获得的解的质量进行全局信息素更新。end147.1蚁群算法7.1.4蚁群算法的特点15采用分布式控制不存在中心控制每个个体只能感知局部的信息个体可以改变环境

7、并通过环境来进行间接通信具有自组织性是一类概率型的全局搜索方法优化过程不依赖于优化问题本身的严格数学性质是一种基于多主体(multiagent)的智能算法具有潜在的并行性7.1蚁群算法7.1.5蚁群算法在多传感器管理中的应用传感器管理核心问题就是建立以最优的方法对传感器资源进行合理分配的准则。1.问题描述假定m个基本传感器和n个待监视的目标。考虑到一个目标可能同时被多个传感器监视,就建立了包含基本传感器组合的虚拟传感器。设定一个给定时间内,一个目标就只有一个“传感器”(基本或虚拟传感器)对它进行观测,这样“传感器”的总数就是个。每一个“传感器”(基本或虚拟传感器

8、)可看做是一个蚂蚁。16

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。