免疫部分的复习与补充内容.ppt
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《免疫部分的复习与补充内容.ppt》由会员分享,可在线阅读,更多相关《免疫部分的复习与补充内容.ppt(57页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、智能算法复习及补充智能算法复习及补充主要内容:n概述概述n算法简介算法简介 遗传算法(Genetic Algorithm)免疫算法(Immune Algorithm)蚁群算法(Ant Colony Optimization)粒子群算法(Particle Swarm Optimization)模拟退火算法(Simulated Annealing Algorithm)引例:求函数的最值n求 的最小值n求以下函数的最大值怎么解决?n遍历 如何确定搜索范围和搜索精度?n随机搜索 可能永远也无法找到最大值其它方法?其它方法?n随机的取一些初始点n根据某种算法某种算法,通过这些初始点相互作用,得出最终结果
2、遗传算法(GA)采用的方法:自然计算(nature inspired computation)The investigation of mathematical and/or engineering tools that have been imbued with selected higher level(systemic)characteristics that emerge from lower level component interactions and processes,inspired by a biological system or systemsn具有模仿自然界的特点,
3、通常是一类具有自适应、自组织、自学习能力的算法,能够解决传统计算方法难于解决的各种复杂问题n包括目前已被广泛研究的进化计算、神经计算、生态计算、量子计算和复杂自适应系统等多个领域n已成功地应用于组合优化、机器学习、工程设计等问题,并取得了很好的效果遗传算法(Genetic Algorithm)n1962年,美国Michigan大学 J.HollandnInspired:自然界的进化准则:适者生存、优胜劣汰适者生存、优胜劣汰 达尔文(1858)自然选择n遗传(heredity)n变异(variation)n生存斗争和适者生存亲代把生物信息交给子代,子代按照所得的信息发育、分化,与亲代具有相同或相
4、似性状物种能够稳定存在物种能够稳定存在亲代和子代、子代不同个体之间有差异随机发生,保证生命的多样性随机发生,保证生命的多样性具有适应性变异的个体被保留,不适应的被淘汰物种朝着适应环境的方向发展物种朝着适应环境的方向发展初始种群初始种群计算适应度计算适应度满足终满足终止条件止条件最佳个体最佳个体YesNo选选择择交交叉叉变变异异population个体(individual)的集合初始种群初始种群计算适应度计算适应度满足终满足终止条件止条件最佳个体最佳个体YesNo选选择择交交叉叉变变异异fitness评价个体好坏的依据初始种群初始种群计算适应度计算适应度满足终满足终止条件止条件最佳个体最佳个体
5、YesNo选选择择交交叉叉变变异异终止进化的代数初始种群初始种群计算适应度计算适应度满足终满足终止条件止条件最佳个体最佳个体YesNo选选择择交交叉叉变变异异遗传算子遗传算子遗传算子n选择算子(selection)n交叉算子(crossover)n变异算子(mutation)n选择算子是对群体中的个体进行优胜劣汰的操作 用来确定重组或交叉个体,以及被选个体将产生多少个子代个体n常见的选择操作 轮盘赌选择法(roulette wheel selection)随机遍历抽样法(stochastic universal sampling)局部选择法(local selection)截断选择法(trun
6、cation selection)锦标赛选择法(tournament selection)选择算子(Selection Operator)交叉算子(Crossover Operation)n交叉算子是结合来自父代交配种群的信息产生新的个体n按个体编码方式,分为 实值重组实值重组 二进制交叉二进制交叉离散重组、中间重组、线性重组单点交叉、多点交叉、均匀交叉单点交叉:单点交叉:多点交叉:多点交叉:变异算子(Mutation Operator)n子代基因按小概率扰动产生的变化n按个体编码方式,分为 实值变异实值变异 二进制变异二进制变异随机变异、非均匀变异随机变异、非均匀变异单点变异:单点变异:多点
7、变异:多点变异:应用情况n函数优化n组合优化n生产调度问题n自动控制n机器人智能控制n人工生命n机器学习免疫算法(Immune Algorithm)nInspired:生物自然科学中生物体的免疫免疫功能免疫的基本思想n对抗原反应有明显的专一性,是特异性免疫反应特异性免疫反应的主要细胞n具有摄取抗原、处理抗原并将处理后的抗原以某种方式提供给前一类细胞作用,在参与非特异性免疫反应非特异性免疫反应的同时,也能积极的参与特异性免疫反应免疫概念的提出是受生物自然科学的启发。在生命科学中,免疫功能主要由参与免疫反应的细胞完成的。免疫算子(Immune Operator)n引入了一个新的算子免疫算子免疫算子
8、非特异性免疫特异性免疫免疫算子目标免疫(Target Immunity)全免疫(Full Immunity)免疫算子n全免疫全免疫指群体中每个个体变异操作后,对每一环节都进行一次免疫操作,它主要用于个体进化的初始阶段n目标免疫目标免疫指个体在进行变异操作后,经过一定判断,个体仅在作用点处发生免疫反应,其作用将伴随群体进化的全部过程对所求解的问题进行具体分析,从中提取出最基本的特征信息,即疫苗(vaccine)免疫算法流程图按照先验知识修改个体某些基因位上的基因,使个体以较大概率具有更高的适应度。设有种群c,对c接种疫苗是指在c中按比例(01)随机抽取 n=n个个体进行操作免疫算法流程图对接种了
9、疫苗的个体进行检测,若其适应度不如父代,则用父代中的对应个体取代该个体;否则,以概率选择个体xi进入新的父代种群。其中,f(xi)为xi的适应度 Tk 为趋于0的温度序列且初温T0应尽可能的大,它与各状态目标值的方差有关,温度更新函数为(g为当前代数):免疫算法流程图免疫算法流程图应用情况n具备免疫特征和功能的人工生命系统人工免疫系统n基于免疫网络理论设计自治式多Agent系统n免疫性自适应系统n免疫型安全系统或抗干扰系统n面向医学应用的数字免疫监控系统 蚁群算法(Ant Colony Optimization)n1992年,意大利 Marco DorigonInspired:自然界中的蚂蚁可
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 免疫 部分 复习 补充 内容
![提示](https://www.deliwenku.com/images/bang_tan.gif)
限制150内