一、写出遗传算法中的两种交叉运算方法,并分别举例说明。
解:双亲双子法(两父代交叉位之后的全部基因互换)、变化交叉法(从不相同的基因开始选取交叉位,之后的方法同双亲双子法)、多交叉位法(间隔交换)、双亲单子法(2选1)、显性遗传法(按位或)、单亲遗传法(2-opt )等,例子见课本175-179。
步骤:1、随机初始化pop size 个染色体;2、用交叉算法更新染色体;3、用变异算法更新染色体;4,计算所有染色体的目标值;5,根据目标值计算每个染色体的适应度;6,通过轮盘赌的方法选择染色体。7、重复第二至第六步直到终止条件满足;8、输出最好的染色体作为最优解。
评价函数:Eval(V)是根据每个染色体V 的适应函数fitness(V)而得到与其他染色体的比例关系,可用它来决定该染色体被选为种群的概率如:
轮盘赌选择过程:
交叉运算方法:双亲双子法(两父代交叉位之后的全部基因互换)、变化交叉法(从不相同的基因开始选取交叉位,之后的方法同双亲双子法)、多交叉位法(间隔交换)、双亲单子法(2选1)、显性遗传法(按位或)、单亲遗传法(2-opt )等。
双亲双子交叉方法例子:
变异运算:单点、多点变异法;2-opt 法;
用遗传算法解决实数编码求连续函数优化问题,写出一种变异的运算方法。 解:
再用单点变异法或多点变异法即可完成实数码的变异方法。(随机选一个或几个变异位取反)
二、什么是P 问题,什么是NP 问题?智能优化算法主要是针对什么问题而提出的?
解:(1)P 问题
(2)NP 问题
(3)NP-C 问题和NP-Hard 问题
(4)智能优化算法主要是针对组合优化问题而提出的。
三、描述组合优化问题中的一个典型例子,并建立其数学模型。
解:(1)旅行商问题(Traveling Salesman Problem,TSP )
(2)背包问题
(3)并行机排序问题
四、描述模拟退火算法中的接收准则。
解:步骤:1、初始化可行解和温度;2,根据Boltzmann 概念退火;3,重复第二步直到稳定状态;4,降温;5,重复第二步至第四步直到满足终止条件或直到给定步数。6,输出最好的解作为最优解。
退火接收准则:在一给定温度下,由一个状态变到另一个状态,每一个状态到达的次数服从一个概率分布,即基于Metropolis 接受准则的过程,该过程达到平衡时停止。在状态s i 时,产生的状态s j 被接受的概率为:
if f (s i ) ≥f (s j ) ⎧1,
⎪
,这里,∆f ij =f (s j ) -f (s i ) . A ij (t ) =⎨∆f ij
), if f (s i )
五、解释蚁群智能优化算法中信息素的一种更新方法。
解:
步骤:1、初始化所有的信息素具有同样的量;2、根据信息素构造人工蚂蚁行为
路线(解);3、重复第二步直到所有人工蚂蚁完成一次行动;4、根据当前最好解更新路径上的信息素;5、重复第二步至第四步直到终止条件满足;6、输出最好解作为最优解。 信息素的一种更新方法:
方法一:
方法二:
方法三:
人工蚂蚁路线的构造:
六、描述Hopfiled 人工神经网络的函数逼近一连续函数的方法。
解:
Step 1. 构造函数逼近的能量函数,使得能量函数有好的稳定性,如Err (w ) ; Step 2. 由能量函数Err (w ) ,根据-
dz i ∂Err (w )
求解出动力系统方程 =
dt ∂y i
;
Step 3. 用数值计算的方法求解动力系统方程的平衡点,用定理判断平衡点是否为稳定点或渐近稳定点,网络达到稳定状态即达到极小值。 Hopfiled 人工神经网络计算步骤:
七、用遗传算法解决实数编码求连续函数优化问题,写出一种变异的运算方法。
解:
再用单点变异法或多点变异法即可完成实数码的变异方法。(随机选一个或几个变异位取反)
一、写出遗传算法中的两种交叉运算方法,并分别举例说明。
解:双亲双子法(两父代交叉位之后的全部基因互换)、变化交叉法(从不相同的基因开始选取交叉位,之后的方法同双亲双子法)、多交叉位法(间隔交换)、双亲单子法(2选1)、显性遗传法(按位或)、单亲遗传法(2-opt )等,例子见课本175-179。
步骤:1、随机初始化pop size 个染色体;2、用交叉算法更新染色体;3、用变异算法更新染色体;4,计算所有染色体的目标值;5,根据目标值计算每个染色体的适应度;6,通过轮盘赌的方法选择染色体。7、重复第二至第六步直到终止条件满足;8、输出最好的染色体作为最优解。
评价函数:Eval(V)是根据每个染色体V 的适应函数fitness(V)而得到与其他染色体的比例关系,可用它来决定该染色体被选为种群的概率如:
轮盘赌选择过程:
交叉运算方法:双亲双子法(两父代交叉位之后的全部基因互换)、变化交叉法(从不相同的基因开始选取交叉位,之后的方法同双亲双子法)、多交叉位法(间隔交换)、双亲单子法(2选1)、显性遗传法(按位或)、单亲遗传法(2-opt )等。
双亲双子交叉方法例子:
变异运算:单点、多点变异法;2-opt 法;
用遗传算法解决实数编码求连续函数优化问题,写出一种变异的运算方法。 解:
再用单点变异法或多点变异法即可完成实数码的变异方法。(随机选一个或几个变异位取反)
二、什么是P 问题,什么是NP 问题?智能优化算法主要是针对什么问题而提出的?
解:(1)P 问题
(2)NP 问题
(3)NP-C 问题和NP-Hard 问题
(4)智能优化算法主要是针对组合优化问题而提出的。
三、描述组合优化问题中的一个典型例子,并建立其数学模型。
解:(1)旅行商问题(Traveling Salesman Problem,TSP )
(2)背包问题
(3)并行机排序问题
四、描述模拟退火算法中的接收准则。
解:步骤:1、初始化可行解和温度;2,根据Boltzmann 概念退火;3,重复第二步直到稳定状态;4,降温;5,重复第二步至第四步直到满足终止条件或直到给定步数。6,输出最好的解作为最优解。
退火接收准则:在一给定温度下,由一个状态变到另一个状态,每一个状态到达的次数服从一个概率分布,即基于Metropolis 接受准则的过程,该过程达到平衡时停止。在状态s i 时,产生的状态s j 被接受的概率为:
if f (s i ) ≥f (s j ) ⎧1,
⎪
,这里,∆f ij =f (s j ) -f (s i ) . A ij (t ) =⎨∆f ij
), if f (s i )
五、解释蚁群智能优化算法中信息素的一种更新方法。
解:
步骤:1、初始化所有的信息素具有同样的量;2、根据信息素构造人工蚂蚁行为
路线(解);3、重复第二步直到所有人工蚂蚁完成一次行动;4、根据当前最好解更新路径上的信息素;5、重复第二步至第四步直到终止条件满足;6、输出最好解作为最优解。 信息素的一种更新方法:
方法一:
方法二:
方法三:
人工蚂蚁路线的构造:
六、描述Hopfiled 人工神经网络的函数逼近一连续函数的方法。
解:
Step 1. 构造函数逼近的能量函数,使得能量函数有好的稳定性,如Err (w ) ; Step 2. 由能量函数Err (w ) ,根据-
dz i ∂Err (w )
求解出动力系统方程 =
dt ∂y i
;
Step 3. 用数值计算的方法求解动力系统方程的平衡点,用定理判断平衡点是否为稳定点或渐近稳定点,网络达到稳定状态即达到极小值。 Hopfiled 人工神经网络计算步骤:
七、用遗传算法解决实数编码求连续函数优化问题,写出一种变异的运算方法。
解:
再用单点变异法或多点变异法即可完成实数码的变异方法。(随机选一个或几个变异位取反)