【计算智能】读书笔记 第一章节 计算智能绪论

---

1. 最优化问题

最优化问题的定义为：

其中D是问题的解空间，X为D中的合法解，可以使得函数值最小

1.1 优化问题的分类

优化问题可以总体分为

• 函数优化问题
  • 决策变量为连续变量
• 组合优化问题
  • 决策变量围殴离散变量

1.2 组合优化问题

旅行商问题

旅行商的问题定义如下：
$$f=\min \sum _{i=1}^n{d}_{\pi (i)\pi (i+1)}$$

• 对称旅行商问题
• 非对称旅行商问题

0-1 背包问题

对于背包问题，需要满足以下两个不等式
约束式子1：
$$z=\max \sum _{i=1}^n{v}_i{x}_i$$
 其中  x i ∈ { 0 , 1 } \text { 其中 } x_i \in\{0,1\}  其中 xi​∈{0,1}

约束式子2：
$$\sum _{i=1}^n{w}_i{x}_i⩽c$$
在不超过背包装载噩的条件下使装载物品的总价值最大，z是物体价值，c为装载量$x_i$有两种取值，如果取1则表示拿走该物品，如果取0，则表示不拿该物品

---

1.3 计算复杂性

计算复杂性(Computational Complexity) 这个概念来描述问题的难易程度或者算法的执行效率

• 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，则称该问题有指数时间复杂性；
• 如果所需的运算次数是n 的多项式函数，则称它有多项式时间复杂性

复杂性上界是巳知求解该问题的最快算法的复杂性，而复杂性下界只能通过理论证明来建立

显然，建立下界比上界困难得多

不存在多项式复杂性的求解算法的问题，称为

• NP难(Non-deterministic Polynomial Hard, NPH) 问题，
• 或者NP 完全(Non-deterministic Polynomial Complete, NPC) 问题

2. NP理论

问题可分为：

• p 类问题( Polynomial Problem)
  • 能够用确定性算法在多项式时间内求解的判定问题
• NP 类问题(Non-deterministic Polynomial Problem)
  • 一类可以用不确定性多项式算法求解的判定问题（即确定某个解是否为本问题的解）

P = NP 是否成立，至今还是计算机科学中的一个未解之谜？

• NP 完全问题CNP Complete Problem)

3. 计算智能算法

模仿人类的思维、语言和记忆过程的特性， 或模仿自然界的物理现象，希望通过模拟大自然和人类的智慧实现对问题的优化求解， 在可接受的时间内求解得到可接受的解。这些算法就是智能优化计算方法，也叫计算智能(ComputationalIntelligence, CD 算法)

大致可以分为三个流派

• 逻辑主义
  • 符号主义
  • 心理学派
  • 计算机派
• 行为主义
• 联结主义
  • 仿生学派
  • 生理学派

计算智能算法主要分为神经计算、模糊计算和进化计算

以上这些计算智能算法都有一个共同的特征就是通过模仿人类智能的某一个（某一些）方面而达到模拟人类智能

• 人工神经网络：模仿人脑的生理构造和信息处理的过程，模拟人类的智慧
• 模糊逻辑（模糊系统）：模仿人类语言和思维中的模糊性概念，模拟人类的智慧
• 进化计算：拟大自然的智慧

智能算法的特征

• 智能性
• 并行性
• 健壮性

---

写在最后

各位看官，都看到这里了，麻烦动动手指头给博主来个点赞8，您的支持作者最大的创作动力哟！
才疏学浅，若有纰漏，恳请斧正
本文章仅用于各位作为学习交流之用，不作任何商业用途，若涉及版权问题请速与作者联系，望悉知