北京理工大学人工智能第五次作业

最新推荐文章于 2022-04-13 08:43:06 发布

Felven

最新推荐文章于 2022-04-13 08:43:06 发布

阅读量3.7k

点赞数 2

分类专栏：程序人生

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/zhaoxinfan/article/details/8434707

版权

程序人生专栏收录该内容

77 篇文章 5 订阅

订阅专栏

第一题：利用进化算法解决TSP问题。试给出相应算法伪码以及关键的数据结构。进而说明其中对应全局探索（Exploration）能力和局部探测（Exploitation）能力的构成要素分别是什么？你如何实现二者的平衡？

解答：

伪代码如下：

Random initialization of the population P
While (not satisfied termination condition) do
i=0
	Begin
	for each individual Si ∈ P do
	begin (if i!=N)
	{ S'← Si
	Select (randomly) a City C from S'
	    Repeat
	{begin
	if (rand() ≤ p1 )
	{select the city C' from S'
	invert the gene segment between C andC'
	}
	else
	{select (randomly) an individual S '' in P
	assign to C' the next city to the city C in the select
	individual
	}
	if (the next city or the previous city of city C in S'
	is C' )
	exit repeat loop
	else
	{invert the gene segment between C andC'
	calculate d
	if(d<0 and evolutionary speed< critical speed)
		exit repeat loop
		}
		C ←C'
end
			}
		if (eval(S') ≤ eval(Si ))
		Si ← S'
		i = i +1}
end

	calculate evolutionary speed and update the probability
	of mutation
	if (evolutionary speed< critical speed and
		(rand() ≤ p2 )
		{select (randomly) S1 , S2 from P
		select (randomly) gene segment Δs1 from S1
		if ( Δs1= Δs2 and the starting city is same) // Δs2 in
		S2
		replace Δs1 with Δs2
	}
	Select the better gene segments from those adaptive chromosomes
	if (eval(g1 ) ≤ eval(g2 ))
	g1 ← g2
end

选择操作：从群体{p}中随机选择两条染色体s1,s2，并使得f(s2)>f(s1)。从s1中随机选择一个基因片段s1，判断在s2中是否有满足下列条件：即和s1长度相同，并且起始城市相同。若存在这样的s2，则用s2替换掉s1，并将剩下的基因按照部分映射规则进行调整。

替换操作：从群体{p}中随机选择两条染色体s1,s2，并使得f(s2)>f(s1)。令s1是双亲染色体，

判断在s2中是否有满足下列条件：即和s1长度相同，并且所包括城市相同，只是城市序列不相同。若存在这样的s2，则判断两个基因片段,各自的距离，如果较短，则用s2替换掉s1，负责退出该操作。

突变操作：由于突变操作本身是盲目的，该操作在该算法开始时效率会比较高，但是当它汇聚近似最佳的解决方案时，成功地优化染色体的概率证明是非常低的。故采用如下方程式来计算突变概率：

p = p × (1-GenNum× 0.01/maxGen)

其中GenNum是当前进化的次数，MaxNum是当算法结束时最大的进化次数。

该算法中使用选择和替换操作来进行局部探测，为了避免算法陷入局部最优，采用了突变操作，进行全局搜索。

第二题：利用群智能优化算法解决TSP问题。试给出相应算法伪码以及关键的数据结构。进而说明其中对应全局探索（Exploration）能力和局部探测（Exploitation）能力的构成要素分别是什么？你如何实现二者的平衡？

解答：

利用粒子群优化算法(Particle Swarm Optimization)来解决TSP问题:

粒子群的velocity和位置更新方程为：

算法描述伪代码：

TSP-PSO-1
Initialization: each of the partices gets a random
solution and a random Swap Sequence, namely velocity.
TSPPSO-2
If the algorithms are ended, go to TSP-PSO-5.
TSP-PSO-3 .
For all the particles in position xid, calculating the
3-1 Calculating difference between Pid between Xid
according to the method we have proposed above,
A=Pid-Xid, where A is a basic sequence.
3-2 Calculating B=Pgd-Xid,B is also a basic sequence
3-3 Calculating velocity Vidaccording to.fopmula.(1)
and then we transform swap Sequce  Vid to a Basic Swap Sequence.
3-4 Calculating new solution
Xid=Xid+Vid 
Formula (7) means that Swap Sequence vi,
acts on solution Xid to get a new solution.
3-5 Updating Pid if tlie new solution is superior to Pid
TSP-PSO-4.
Updating Pgd if there is new best solution;,which is
TSP-PS0-5
Sketch the global best solution.

全局搜索与局部探测的构成要素：方程式(1)中Pid表示第i个粒子的历史最优序列，Xid表示第i个粒子的当前序列，Pgd表示全局最优序列，粒子群的当前速度向量受到该粒子当前速度向量、以及该粒子历史最优向量和全局最优向量的影响，和是区间[0,1]上的随机数，分别代表粒子历史最优向量和全局最优向量的影响程度概率。通过改变和来对粒子的全局搜索和局部探测的影响程度做出改变，达到二者的平衡。

第三题：对于无约束优化问题，列出你已知的所有优化方法及其基本思想。