人工智能算法- 优化算法

 

 

文/腾讯soso 林世飞

 

    优化算法通常用来处理问题最优解的求解--这个问题有多个变量共同决定的，举一个例子比如有这样一张 人员关系表，需要绘制一张SOSO华尔兹（一种socialnetwork，http://tag.soso.com/），比如：

    绘制方法有很多种，我们希望能够最终展现给用户的绘制是比较好阅读的，比如交叉线比较少，每个人的点排的比较开等等。

    我们利用以下一个数据格式来描述最终的一个解，即一个向量包含每个人的坐标，假设：通常我们用一个 向量来表示解x， x =[a1,a2,….]

    这个矩阵也很多值，那这个绘制方法可能很多，优化算法就是用来寻找和评估其中比较好的一种绘制的结果的解。那这里就要回答一个很关键的问题，什么样的解是好的解，这就需要一个方法来评估一个解的好坏程度，也就是优化算法当中要 定义的 成本函数（Cost Function），在这个案例中就是有一个函数输入是 每个人的坐标，输出是评价这种画法或者说分布质量如何。

    常用有4种优化算法:

    1 随机搜索

    2 爬山法

    3 退火法

    4 遗传算法

 

    下面该给出各种算法的实现说明，通过程序解释各种求解实现和思想，为了便于理解，先介绍下 数据储存格式：

Python code：

people=['刘翔','姚明','陈道明','郭晶晶','霍启刚','纪伟','罗伯斯','孙海平','史冬鹏','叶莉']

links=[('刘翔', '姚明'),

       ('刘翔', '陈道明'),

       ('刘翔', '郭晶晶'),

       ('刘翔', '纪伟'),

       ('刘翔', '罗伯斯'),

       ('刘翔', '孙海平'),

       ('刘翔', '史冬鹏'),

       ('姚明', '叶莉'),

       ('陈道明', '霍启刚'),

       ('郭晶晶', '霍启刚'),

       ('纪伟', '罗伯斯'),

       ('孙海平', '史冬鹏'),

       ('罗伯斯', '孙海平')]

 

    1  随机搜索：主要 依赖于随机函数，每一次求解，都是不确定的变化趋势（更好还是更坏）

#domain 表示解空间，domain[i][0] 表示向量x第i个维的最小值&