lin的博客

最优化问题的分类 1）无约束和有约束条件； 2）确定性和随机性最优问题（变量是否确定）； 3）线性优化与非线性优化（目标函数和约束条件是否线性）； 4）静态规划和动态规划（解是否随时间变化）。 - 什么是多目标优化？使多个目标在给定区域同时尽可能最佳，多目标优化的解通常是一组均衡解（即一组由众多 Pareto最优解组成的最优解集合 ,集合中的各个元素称为 Pareto最优解或非劣最...

1.size()sz = size(A) 返回一个行向量，其元素包含 A 的相应维度的长度。例如，如果 A 是一个 3×4 矩阵，则 size(A) 返回向量 [3 4]。sz 的长度为 ndims(A)。如果 A 是表或时间表，则 size(A) 返回由表中的行数和变量数组成的二元素行向量。szdim = size(A,dim) 返回维度 dim 的长度。当 A 是矩阵时，[m,n] =...

神经网络入门学习

流程：步骤：(1)抗原识别，即理解待优化的问题，对问题进行可行性分析，提取先验知识，构造出合适的亲和度函数，并制定各种约束条件。(2)初始抗体群，通过编码把问题的可行解表示成解空间中的抗体，在解的空间内随机产生一个初始种群。(3)对种群中的每一个可行解进行亲和度评价。(4)判断是否满足算法终止条件；如果满足条件则终止算法寻优过程，输出计算结果；否则继续寻优运算。(5)计算抗体浓度和激...

粒子群算法的核心的两个公式为：速度更新公式：Vid(k+1)=wVid(k)+c1r1(Pid(k)-Xid(k))+c2r2(Pgd(k)-Xid(k))*位置更新公式：Xid(k+1) = Xid(k) + Vid(k+1)w称之为惯性权重，体现的是粒子继承先前速度的能力。 经验表明：一个较大的惯性权重有利于全局搜索，而一个较小的惯性权重则更有利于局部搜索。为了更好地平衡算法的全局...

问题：在下面的程序中将要运用遗传算法对一个多项式求最小值： y=x^6-10x^5-26x^4+344x^3+193x^2-1846x-1680 要求在(-8,8)间寻找使表达式达到最小的x，误差为0.001。问题分析： 编码：采用常规码，即二进制码编码。构造简单，交叉、变异的实现非常容易，同时解的表达也很简洁、直观。可以每0.001取一个点，这样理论误差...

#include <iostream>#include <math.h>#include <time.h>using namespace std;//该程序是以蚁群系统为模型写的

计算复杂性与NP理论1.计算复杂性 问题的计算复杂性是问题规模的函数。 （1）如果求解一个问题需要的运算次数或步骤数是问题规模n的指数函数，则称问题具有指数时间复杂性； （2）如果所需的运算次数是n的多项式函数，则称问题具有多项式时间复杂性。PS：多项式时间——在计算复杂度理论中，指的是一个问题的计算时间m(n)不大于问题大小n的多项式倍数。2.NP理...

NSGA一II算法的基本思想：（1）首先,随机产生规模为N的初始种群,非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群; （2）其次,从第二代开始,将父代种群与子代种群合并,进行快速非支配排序,同时对每个非支配层中的个体进行拥挤度计算,根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群; （3）最后,通过遗传算法的基本操作产生新的子代种群:依此类推,直...

1. 什么是遗传算法？遗传算法（Genetic Algorithm, GA）是受达尔文的进化论的启发，借鉴生物进化过程而提出的一种随机搜索算法。 生存竞争，适者生存：对环境适应度高的的个体参与繁殖的机会比较多，后代就会越来越多。适应度低的个体参与繁殖的机会比较少，后代就会越来越少。  遗传与变异：新个体会遗传父母双方各一部分的基因，同时有一定的概率发生基因变异。简单说来就是：繁...

随机优化算法-蚁群优化算法

BP神经网络基本原理：误差逆传播(back propagation, BP)算法是一种计算单个权值变化引起网络性能变化的较为简单的方法。由于BP算法过程包含从输出节点开始，反向地向第一隐含层(即最接近输入层的隐含层)传播由总误差引起的权值修正，所以称为“反向传播”。 BP神经网络是有教师指导训练方式的多层前馈网络，其基本思想是：从网络输入节点输入的样本信号向前传播，经隐含层节点和输出层节点处...

后向传播学习的前馈型神经网络（BPNN）BPNN基本思想1.前馈型网络结构 再输入样本的时候，从输入层输入，向前把结果输出到第一隐含层，然后第一隐含层将接收到的数据处理后作为输出，该输出作为第二隐含层的输入，以此类推，直到输出层的输出为止。2.向后传播 向后传播是指比较输出层的实际输出和预期的结果，得到误差，然后通过相关的误差方程式调整最后一个隐含层到输出层之间的网络权重，之后...

学习方法分类1.有监督学习 网络的输出和期望的输出（即监督信号）进行比较，然后根据两者之间的差异调整网络的权重，最终使差异变小。2.无监督学习 输入模式进入网络后，网络按照预先设定的规则（如竞争规则）自动调整权重，使网络具有模式分类等功能。3.再励学习 介于上述两者之间的一种学习方法。学习规则分类1.Hebb学习规则 如果处理单元接收到一个输入，并且如果两个单元都处于高...

工神经网络（Artificial Neural Network，即ANN ）神经元模型1.生物神经元 神经元由一个细胞体和突两部分组成。突分两类，轴突和树突。 树突和轴突共同作用，实现神经元之间的信息传递。轴突的末端与树突进行进行信号传递的界面成为突触，通过突触向其他神经元发送信息。学习发生在突触附近，而且突触把经过一个神经元轴突的脉冲转化为下一个神经元的兴奋信号或抑制信号...