《湘潭大學(xué)人工智能課件群智能》由會(huì)員分享，可在線閱讀，更多相關(guān)《湘潭大學(xué)人工智能課件群智能（42頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。
1、Artificial Intelligence(AI)人工智能人工智能第九章：群智第九章：群智能系統(tǒng)能系統(tǒng)內(nèi)容提要第九章：群智能系統(tǒng)第九章：群智能系統(tǒng)1.1.粒子群優(yōu)化算法粒子群優(yōu)化算法2.2.蟻群算法蟻群算法內(nèi)容提要第九章：群智能系統(tǒng)第九章：群智能系統(tǒng)1.1.粒子群優(yōu)化算法粒子群優(yōu)化算法2.2.蟻群算法蟻群算法n描述描述 群智能作群智能作為一種新一種新興的演化的演化計(jì)算技算技術(shù)已成已成為研究焦研究焦點(diǎn)，它與人工生命，特點(diǎn)，它與人工生命，特別是是進(jìn)化策略以及化策略以及遺傳算法算法有著極有著極為特殊的關(guān)系。特殊的關(guān)系。n特性特性 指無智能的主體通指無智能的主體通過合作表合作表現(xiàn)出智能行出智能行為
2、的特性，的特性，在沒有集中控制且不提供全局模型的前提下，在沒有集中控制且不提供全局模型的前提下，為尋找復(fù)找復(fù)雜的分布式的分布式問題求解方案提供了基求解方案提供了基礎(chǔ)。群智能n優(yōu)點(diǎn)優(yōu)點(diǎn) 靈活性：群體可以適靈活性：群體可以適應(yīng)隨隨時(shí)變化的化的環(huán)境；境；穩(wěn)健性：即使個(gè)體失健性：即使個(gè)體失敗，整個(gè)群體仍能完成任，整個(gè)群體仍能完成任務(wù)；自我自我組織：活：活動(dòng)既不受中央控制，也不受局部既不受中央控制，也不受局部監(jiān)管。管。n典型算法典型算法 蟻群算法（群算法（螞蟻覓食）食）粒子群算法（粒子群算法（鳥群捕食）群捕食）群智能粒子群算法原理vv粒子群算法（粒子群算法（粒子群算法（粒子群算法（PSOPSOPSOPS
3、O）粒子群算法原理vv粒子群算法（粒子群算法（粒子群算法（粒子群算法（PSOPSOPSOPSO）粒子群算法原理vv粒子群算法（粒子群算法（粒子群算法（粒子群算法（PSOPSOPSOPSO）粒子群算法原理vv粒子群算法（粒子群算法（粒子群算法（粒子群算法（PSOPSOPSOPSO）n由由James Kenney（社會(huì)心理學(xué)博士）和（社會(huì)心理學(xué)博士）和Russ Eberhart（電子工程學(xué)博士，（電子工程學(xué)博士，http:/www.engr.iupui.edu/eberhart/）于）于1995年年提出粒子群算法（提出粒子群算法（Particle Swarm Optimization,PSO）粒子
4、群算法的提出粒子群算法的提出粒子群算法的提出粒子群算法的提出粒子群算法原理粒子群算法原理vvPSOPSO的思想來源的思想來源的思想來源的思想來源生物界現(xiàn)象生物界現(xiàn)象群體行為群體行為群體遷徙群體遷徙生物覓食生物覓食社會(huì)心理學(xué)社會(huì)心理學(xué)群體智慧群體智慧個(gè)體認(rèn)知個(gè)體認(rèn)知社會(huì)影響社會(huì)影響粒子群粒子群粒子群粒子群優(yōu)化算法優(yōu)化算法優(yōu)化算法優(yōu)化算法 人工生命人工生命鳥群覓食鳥群覓食魚群學(xué)習(xí)魚群學(xué)習(xí)群理論群理論粒子群算法原理vv從生物現(xiàn)象到從生物現(xiàn)象到從生物現(xiàn)象到從生物現(xiàn)象到 PSOPSO算法算法算法算法鳥群覓食現(xiàn)象鳥群覓食現(xiàn)象粒子群優(yōu)化算法粒子群優(yōu)化算法粒子群算法原理vv從生物現(xiàn)象到從生物現(xiàn)象到從生物現(xiàn)象到
5、從生物現(xiàn)象到 PSOPSO算法算法算法算法鳥群覓食現(xiàn)象鳥群覓食現(xiàn)象鳥群鳥群覓食空間覓食空間飛行速度飛行速度所在位置所在位置個(gè)體認(rèn)知與群體協(xié)作個(gè)體認(rèn)知與群體協(xié)作找到食物找到食物粒子群優(yōu)化算法粒子群優(yōu)化算法搜索空間的一組有效搜索空間的一組有效解解問題的搜索空間問題的搜索空間解的速度向量解的速度向量解的位置向量解的位置向量速度與位置的更新速度與位置的更新找到全局最優(yōu)解找到全局最優(yōu)解粒子群優(yōu)化算法粒子群優(yōu)化算法類比關(guān)系類比關(guān)系鳥群覓食現(xiàn)象鳥群覓食現(xiàn)象n源于對(duì)鳥群捕食行為的研究，是基于迭代的方法源于對(duì)鳥群捕食行為的研究，是基于迭代的方法n簡(jiǎn)單易于實(shí)現(xiàn)，需要調(diào)整的參數(shù)相對(duì)較少簡(jiǎn)單易于實(shí)現(xiàn)，需要調(diào)整的參數(shù)相
6、對(duì)較少n在函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、工業(yè)系統(tǒng)優(yōu)化和模糊在函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、工業(yè)系統(tǒng)優(yōu)化和模糊系統(tǒng)控制等領(lǐng)域得到了廣泛的應(yīng)用。系統(tǒng)控制等領(lǐng)域得到了廣泛的應(yīng)用。粒子群算法原理 粒子群算法的提出粒子群算法的提出粒子群算法的提出粒子群算法的提出n鳥群：鳥群：假假設(shè)一個(gè)區(qū)域，所有的一個(gè)區(qū)域，所有的鳥都不知道食物的位置，但都不知道食物的位置，但是它是它們知道當(dāng)前位置離食物知道當(dāng)前位置離食物還有多有多遠(yuǎn)。nPSO算法算法 每個(gè)解看作一只每個(gè)解看作一只鳥，稱，稱為“粒子粒子(particle)”，所有，所有的粒子都有一個(gè)適的粒子都有一個(gè)適應(yīng)值，每個(gè)粒子都有一個(gè)速度決，每個(gè)粒子都有一個(gè)速度決定它定它們的的飛
7、翔方向和距離，粒子翔方向和距離，粒子們追隨當(dāng)前最追隨當(dāng)前最優(yōu)粒粒子在解空子在解空間中搜索。中搜索。粒子群算法的原理描述粒子群算法的原理描述粒子群算法的原理描述粒子群算法的原理描述粒子群算法原理算法流程vvPSOPSO算法的相關(guān)定義算法的相關(guān)定義算法的相關(guān)定義算法的相關(guān)定義PSO中的個(gè)體，也叫中的個(gè)體，也叫粒子粒子，在多維搜索空間中飛行。，在多維搜索空間中飛行。PSO中的每個(gè)粒子維護(hù)兩個(gè)向量中的每個(gè)粒子維護(hù)兩個(gè)向量位置向量位置向量xi：粒子在解空間中的當(dāng)前位置：粒子在解空間中的當(dāng)前位置速度向量速度向量vi：粒子在解空間中的飛行速度：粒子在解空間中的飛行速度pBest：粒子自身的歷史最優(yōu)位置：粒子
8、自身的歷史最優(yōu)位置gBest：群體全局最優(yōu)向量：群體全局最優(yōu)向量 lBest：鄰域中的最好位置：鄰域中的最好位置nPSO算法算法 初始化初始化為一群隨機(jī)粒子，通一群隨機(jī)粒子，通過迭代找到最迭代找到最優(yōu)。每次迭代中，粒子通每次迭代中，粒子通過跟蹤跟蹤“個(gè)體極個(gè)體極值（pbest）”和和“全局極全局極值(gbest)”來來 更新自己的位置。更新自己的位置。算法流程算法流程vv粒子速度與位置的更新粒子速度與位置的更新粒子速度與位置的更新粒子速度與位置的更新 令令 表示表示t t時(shí)刻第時(shí)刻第i i 個(gè)粒子個(gè)粒子 在超空間的位置。在超空間的位置。把速度矢量把速度矢量 加至當(dāng)前位置，則加至當(dāng)前位置，則 的
9、位置變?yōu)椋旱奈恢米優(yōu)椋核惴鞒蘶vPSOPSO算法驅(qū)動(dòng)優(yōu)化過程的是速度算法驅(qū)動(dòng)優(yōu)化過程的是速度算法驅(qū)動(dòng)優(yōu)化過程的是速度算法驅(qū)動(dòng)優(yōu)化過程的是速度v vi i(t)(t)向量。向量。向量。向量。速度向量反映了粒子速度向量反映了粒子自身的經(jīng)驗(yàn)知識(shí)自身的經(jīng)驗(yàn)知識(shí)和和來自鄰域粒子的來自鄰域粒子的社會(huì)交換信息社會(huì)交換信息。粒子的經(jīng)驗(yàn)知識(shí)通常叫做粒子的經(jīng)驗(yàn)知識(shí)通常叫做認(rèn)知部分認(rèn)知部分，它和粒子與其，它和粒子與其自自身的身的歷史最優(yōu)位置（歷史最優(yōu)位置（pbest）的距離成正比。）的距離成正比。社會(huì)交換信息叫做速度方程的社會(huì)交換信息叫做速度方程的社會(huì)部分社會(huì)部分。vv鄰域大小不同的兩種算法鄰域大小不同的兩種算法
10、鄰域大小不同的兩種算法鄰域大小不同的兩種算法gbest PSO，全局最佳粒子群優(yōu)化，全局最佳粒子群優(yōu)化lbest PSO，局部最佳粒子群優(yōu)化，局部最佳粒子群優(yōu)化算法流程vvgbest PSOgbest PSO：全局最佳粒子群優(yōu)化：全局最佳粒子群優(yōu)化：全局最佳粒子群優(yōu)化：全局最佳粒子群優(yōu)化粒子群算法v粒子群算法的特點(diǎn)粒子群算法的特點(diǎn)PSO算法收斂速度快，特別是在算法的早期，但也存在算法收斂速度快，特別是在算法的早期，但也存在著精度較低，易發(fā)散等缺點(diǎn)。著精度較低，易發(fā)散等缺點(diǎn)。若加速系數(shù)、最大速度等參數(shù)太大，粒子群可能錯(cuò)過最若加速系數(shù)、最大速度等參數(shù)太大，粒子群可能錯(cuò)過最優(yōu)解，算法不收斂；優(yōu)解，算
11、法不收斂；而在收斂的情況下，由于所有的粒子都向最優(yōu)解的方向而在收斂的情況下，由于所有的粒子都向最優(yōu)解的方向飛去，所以粒子趨向同一化（失去了多樣性），使得后飛去，所以粒子趨向同一化（失去了多樣性），使得后期收斂速度明顯變慢，同時(shí)算法收斂到一定精度時(shí)，無期收斂速度明顯變慢，同時(shí)算法收斂到一定精度時(shí)，無法繼續(xù)優(yōu)化，所能達(dá)到的精度也不高。法繼續(xù)優(yōu)化，所能達(dá)到的精度也不高。內(nèi)容提要第九章：群智能系統(tǒng)第九章：群智能系統(tǒng)1.1.粒子群優(yōu)化算法粒子群優(yōu)化算法2.2.蟻群算法蟻群算法蟻群算法原理vv蟻群的覓食行為蟻群的覓食行為蟻群的覓食行為蟻群的覓食行為蟻群算法原理vv蟻群的分工蟻群的分工蟻群的分工蟻群的分工蟻
12、群算法原理vv蟻穴的結(jié)構(gòu)蟻穴的結(jié)構(gòu)蟻穴的結(jié)構(gòu)蟻穴的結(jié)構(gòu)蟻群算法原理vv蟻穴的結(jié)構(gòu)蟻穴的結(jié)構(gòu)蟻穴的結(jié)構(gòu)蟻穴的結(jié)構(gòu)育嬰室育嬰室儲(chǔ)備室儲(chǔ)備室寢室寢室蟻后室蟻后室日光浴場(chǎng)日光浴場(chǎng)入口入口蟻群算法原理vv蟻群覓食的蟻群覓食的蟻群覓食的蟻群覓食的“雙橋?qū)嶒?yàn)雙橋?qū)嶒?yàn)雙橋?qū)嶒?yàn)雙橋?qū)嶒?yàn)”通通過遺留在來往路徑上的信息素留在來往路徑上的信息素（Pheromone）的）的揮發(fā)性化學(xué)物性化學(xué)物質(zhì)來來進(jìn)行行 通通信和信和協(xié)調(diào)。蟻群算法v蟻群覓食過程蟻群覓食過程算法基本原理自然界螞蟻覓食行為自然界螞蟻覓食行為蟻群優(yōu)化算法蟻群優(yōu)化算法蟻群蟻群搜索空間的一組有效解搜索空間的一組有效解問題的搜索空間問題的搜索空間信息素濃度變量信
13、息素濃度變量一個(gè)有效解一個(gè)有效解問題的最優(yōu)解問題的最優(yōu)解覓食空間覓食空間信息素信息素蟻巢到食物的一條路徑蟻巢到食物的一條路徑找到的最短路徑找到的最短路徑對(duì)對(duì)應(yīng)應(yīng)關(guān)關(guān)系系算法基本原理vv蟻群優(yōu)化算法（蟻群優(yōu)化算法（蟻群優(yōu)化算法（蟻群優(yōu)化算法（Ant Colony OptimizationAnt Colony Optimization ,ACO,ACO）螞蟻在尋找食物的過程中往往是螞蟻在尋找食物的過程中往往是隨機(jī)選擇路徑隨機(jī)選擇路徑的，但它們能的，但它們能感知當(dāng)前地面上的信息素濃度感知當(dāng)前地面上的信息素濃度，并傾向于往信息素濃度高的并傾向于往信息素濃度高的方向行進(jìn)方向行進(jìn)。信息素由螞蟻?zhàn)陨磲尫?，?/p>
14、實(shí)現(xiàn)蟻群內(nèi)間接通信。信息素由螞蟻?zhàn)陨磲尫?，是?shí)現(xiàn)蟻群內(nèi)間接通信的物質(zhì)。的物質(zhì)。由于較短路徑上螞蟻的往返時(shí)間比較短，單位時(shí)間內(nèi)經(jīng)過該由于較短路徑上螞蟻的往返時(shí)間比較短，單位時(shí)間內(nèi)經(jīng)過該路徑的螞蟻多，所以信息素的積累速度比較長(zhǎng)路徑快。因此，路徑的螞蟻多，所以信息素的積累速度比較長(zhǎng)路徑快。因此，當(dāng)后續(xù)螞蟻在路口時(shí)，就能感知先前螞蟻留下的信息，并傾當(dāng)后續(xù)螞蟻在路口時(shí)，就能感知先前螞蟻留下的信息，并傾向于選擇一條較短的路徑前行。向于選擇一條較短的路徑前行。這種這種正反饋機(jī)制正反饋機(jī)制使得越來越多的螞蟻在巢穴與食物之間的最使得越來越多的螞蟻在巢穴與食物之間的最短路徑上行進(jìn)。由于其他路徑上的信息素會(huì)短路徑上
15、行進(jìn)。由于其他路徑上的信息素會(huì)隨著時(shí)間蒸發(fā)隨著時(shí)間蒸發(fā)，最終所有的螞蟻都在最優(yōu)路徑上行進(jìn)。最終所有的螞蟻都在最優(yōu)路徑上行進(jìn)。蟻群算法流程路徑構(gòu)建路徑構(gòu)建每只螞蟻都隨機(jī)選擇每只螞蟻都隨機(jī)選擇一個(gè)城市作為其出發(fā)一個(gè)城市作為其出發(fā)城市，并維護(hù)一個(gè)路城市，并維護(hù)一個(gè)路徑記憶向量，用來存徑記憶向量，用來存放該螞蟻依次經(jīng)過的放該螞蟻依次經(jīng)過的城市。螞蟻在構(gòu)建路城市。螞蟻在構(gòu)建路徑的每一步中，按照徑的每一步中，按照一個(gè)隨機(jī)比例規(guī)則選一個(gè)隨機(jī)比例規(guī)則選擇下一個(gè)要到達(dá)的城擇下一個(gè)要到達(dá)的城市。市。ACO基本要素基本要素信息素更新信息素更新當(dāng)所有螞蟻構(gòu)建完路當(dāng)所有螞蟻構(gòu)建完路徑后，算法將會(huì)對(duì)所徑后，算法將會(huì)對(duì)所有
16、的路徑進(jìn)行全局信有的路徑進(jìn)行全局信息素的更新。注意，息素的更新。注意，我們所描述的是我們所描述的是AS的的ant-cycle版本版本，更新，更新是在全部螞蟻均完成是在全部螞蟻均完成了路徑的構(gòu)造后才進(jìn)了路徑的構(gòu)造后才進(jìn)行的，信息素的濃度行的，信息素的濃度變化與螞蟻在這一輪變化與螞蟻在這一輪中構(gòu)建的路徑長(zhǎng)度相中構(gòu)建的路徑長(zhǎng)度相關(guān)。關(guān)。螞蟻系統(tǒng)螞蟻系統(tǒng)(Ant System，AS)的螞蟻圈（的螞蟻圈（Ant-cycle）版本是最基本的）版本是最基本的ACO算法，是以算法，是以TSP作作為應(yīng)用實(shí)例提出的。為應(yīng)用實(shí)例提出的。蟻群算法流程vv路徑構(gòu)建：路徑構(gòu)建：路徑構(gòu)建：路徑構(gòu)建：偽隨機(jī)比例選擇規(guī)則偽隨機(jī)
17、比例選擇規(guī)則對(duì)于每只螞蟻對(duì)于每只螞蟻k，路徑記憶向量，路徑記憶向量Rk按照訪問順序記錄了所有按照訪問順序記錄了所有k已經(jīng)已經(jīng)經(jīng)過的城市序號(hào)。經(jīng)過的城市序號(hào)。設(shè)螞蟻設(shè)螞蟻k當(dāng)前所在城市為當(dāng)前所在城市為i，則其選擇城市，則其選擇城市j作為下一個(gè)訪問對(duì)象的作為下一個(gè)訪問對(duì)象的概率如上式。概率如上式。Jk(i)表示從城市表示從城市i 可以直接到達(dá)的、且又不在螞蟻訪可以直接到達(dá)的、且又不在螞蟻訪問過的城市序列問過的城市序列Rk中的城市集合。中的城市集合。(i,j)是一個(gè)啟發(fā)式信息，通常由是一個(gè)啟發(fā)式信息，通常由(i,j)=1/dij 直接計(jì)算。直接計(jì)算。(i,j)表示邊表示邊(i,j)上的信息素量。上的
18、信息素量。蟻群算法流程vv路徑構(gòu)建：路徑構(gòu)建：路徑構(gòu)建：路徑構(gòu)建：偽隨機(jī)比例選擇規(guī)則偽隨機(jī)比例選擇規(guī)則長(zhǎng)度越短、信息素濃度越大的路徑被螞蟻選擇的概率越大。長(zhǎng)度越短、信息素濃度越大的路徑被螞蟻選擇的概率越大。和和是兩個(gè)預(yù)先設(shè)置的參數(shù)，用來是兩個(gè)預(yù)先設(shè)置的參數(shù)，用來控制啟發(fā)式信息與信息素濃度控制啟發(fā)式信息與信息素濃度作用的權(quán)重關(guān)系作用的權(quán)重關(guān)系。當(dāng)當(dāng)=0時(shí)，算法演變成傳統(tǒng)的隨機(jī)貪心算法，最鄰近城市被選中時(shí)，算法演變成傳統(tǒng)的隨機(jī)貪心算法，最鄰近城市被選中的概率最大。當(dāng)?shù)母怕首畲?。?dāng)=0時(shí)，螞蟻完全只根據(jù)信息素濃度確定路徑，時(shí)，螞蟻完全只根據(jù)信息素濃度確定路徑，算法將快速收斂，這樣構(gòu)建出的最優(yōu)路徑與實(shí)
19、際目標(biāo)差異較大，算法將快速收斂，這樣構(gòu)建出的最優(yōu)路徑與實(shí)際目標(biāo)差異較大，算法性能較差。算法性能較差。蟻群算法流程vv信息素更新：信息素更新：信息素更新：信息素更新：(1)在算法初始化時(shí)，問題空間中所有的邊上的信息素都被在算法初始化時(shí)，問題空間中所有的邊上的信息素都被初始化初始化為為0。(2)算法迭代每一輪，問題空間中的算法迭代每一輪，問題空間中的所有路徑上的信息素都所有路徑上的信息素都會(huì)發(fā)生蒸發(fā)會(huì)發(fā)生蒸發(fā)，我們?yōu)樗羞吷系男畔⑺爻松弦粋€(gè)小于，我們?yōu)樗羞吷系男畔⑺爻松弦粋€(gè)小于1的常的常數(shù)數(shù)(:信息素的蒸發(fā)率信息素的蒸發(fā)率)。信息素蒸發(fā)是自然界本身固有的特。信息素蒸發(fā)是自然界本身固有的特征，在算
20、法中能夠幫助避免信息素的無限積累，使得算法可征，在算法中能夠幫助避免信息素的無限積累，使得算法可以快速丟棄之前構(gòu)建過的較差的路徑。以快速丟棄之前構(gòu)建過的較差的路徑。(3)螞蟻根據(jù)自己構(gòu)建的路徑長(zhǎng)度在它們本輪經(jīng)過的邊上釋螞蟻根據(jù)自己構(gòu)建的路徑長(zhǎng)度在它們本輪經(jīng)過的邊上釋放信息素。放信息素。螞蟻構(gòu)建的路徑越短、釋放的信息素就越多螞蟻構(gòu)建的路徑越短、釋放的信息素就越多。一。一條邊被螞蟻爬過的次數(shù)越多、它所獲得的信息素也越多。條邊被螞蟻爬過的次數(shù)越多、它所獲得的信息素也越多。(4)迭代迭代(2)，直至算法終止。，直至算法終止。蟻群算法流程vv信息素更新：信息素更新：信息素更新：信息素更新：信息素的更新公
21、式：信息素的更新公式：m：螞蟻個(gè)數(shù)；：螞蟻個(gè)數(shù)；：信息素的蒸發(fā)率，規(guī)定：信息素的蒸發(fā)率，規(guī)定0r1。(i,j)：第第k只螞蟻在它經(jīng)過的邊上釋放的信息素量，它等只螞蟻在它經(jīng)過的邊上釋放的信息素量，它等于螞蟻于螞蟻k本輪構(gòu)建路徑長(zhǎng)度的倒數(shù)。本輪構(gòu)建路徑長(zhǎng)度的倒數(shù)。Ck：路徑長(zhǎng)度，它是：路徑長(zhǎng)度，它是Rk中所有邊的長(zhǎng)度和。中所有邊的長(zhǎng)度和。蟻群算法流程路徑構(gòu)建路徑構(gòu)建信息素更新信息素更新蟻群算法的應(yīng)用車輛路徑問題車輛路徑問題（Vehicle Routing Problem，VRP）車間作業(yè)調(diào)度問題車間作業(yè)調(diào)度問題（Job-Shop Scheduling Problem，JSP）分配問題分配問題（As
22、signment problem,AP）網(wǎng)絡(luò)路由網(wǎng)絡(luò)路由（Network Routing）其他其他子集問題子集問題（Set Problem）ACOn共同特點(diǎn)共同特點(diǎn) 基于概率基于概率計(jì)算的隨機(jī)搜索算的隨機(jī)搜索進(jìn)化算法，在化算法，在結(jié)構(gòu)、研究構(gòu)、研究?jī)?nèi)容、方法以及步內(nèi)容、方法以及步驟上有上有較大的相似性；大的相似性；n存在的問題存在的問題 （1）數(shù)學(xué)理）數(shù)學(xué)理論基基礎(chǔ)相相對(duì)薄弱；薄弱；（2）參數(shù)）參數(shù)設(shè)置沒有確切的理置沒有確切的理論依據(jù)，依據(jù)，對(duì)具體具體問題和和應(yīng)用用環(huán)境的依境的依賴性大；性大；群智能優(yōu)化的特點(diǎn)與不足n存在的問題存在的問題 （3）比）比較性研究不足，缺乏用于性能性研究不足，缺乏用
23、于性能評(píng)估的估的標(biāo)準(zhǔn)準(zhǔn)測(cè)試集；集；（4）不具）不具備絕對(duì)的可信性，存在的可信性，存在應(yīng)用用風(fēng)險(xiǎn)；n進(jìn)一步的工作進(jìn)一步的工作 （1）進(jìn)一步研究真一步研究真實(shí)群居群居動(dòng)物的行物的行為特征；特征；（2）進(jìn)一步研究算法的收一步研究算法的收斂性；性；群智能優(yōu)化的特點(diǎn)與不足n存在的問題存在的問題 （3）進(jìn)一步提高收一步提高收斂速度，從而解決大速度，從而解決大規(guī)模模優(yōu)化化問題；（4）進(jìn)一步研究各種參數(shù)一步研究各種參數(shù)設(shè)置置問題；（5）研究群智能的并行算法；）研究群智能的并行算法；（6）進(jìn)一步研究各算法的適用范一步研究各算法的適用范圍；（7）研究與其它算法的混合技）研究與其它算法的混合技術(shù)。群智能優(yōu)化的特點(diǎn)與不足其他計(jì)算智能方法v模擬退火模擬退火v人工免疫系統(tǒng)人工免疫系統(tǒng)v粗集理論粗集理論vEDA算法算法v文化進(jìn)化計(jì)算文化進(jìn)化計(jì)算v量子計(jì)算量子計(jì)算vDNA計(jì)算計(jì)算v智能智能Agentv
湘潭大學(xué)人工智能課件群智能
