高级人工智能

1.(多选)下列关于全局模式粒子群算法的说法哪些是正确的？ABDE

A.粒子运动受所有粒子状态的影响，追随自身及整体两个历史极值

B.收敛速度一般来说比冯诺依曼局部模式快

C.与星形局部模式粒子群算法相比，全局模式不陷入局部极值

D.全局模式也可以看成是局部模式的一种特例，当局部模式的所有粒子全连接就是全局模式

E.在全局模式粒子群算法中，粒子的平均传播距离和最大传播距离是相等的

2.关于局部模式粒子群算法，下列说法不正确的是BC

A每个粒子的行为受到其局部领域粒子的影响，只追随自身极值和邻域极值

B其局部邻域结构通常依据与当前粒子空间距离的远近来定义

C用邻接矩阵            表示环形局部模式N个粒子之间的邻接关系则有

D有研究表明方形在应用于各种测试函数是，具有最好的平均效果

3.在蚁群算法中，以下那些项是t+1边ij信息素更新共始终需要考虑的因素ABD

A.T时刻及之前前驱蚂蚁留下的信息

B当前ij边上的信息素增加量

C初始蚂蚁所在的节点位置

D信息素随时间挥发的影响

E每只蚂蚁在节点i移动向节点j的选择概率

4.种群大小为N的蚁群算法，应用于TSP问题求解时，下列哪一个是正确的AC

A每次迭代开始时，同一个节点不能有两只及以上的蚂蚁选做初始位置

B在每一次迭代开始时，蚂蚁完全是随机地选择初始节点

C在每一次迭代开始时，蚂蚁是参考上一轮的结果进行初始节点的选择的

D蚂蚁种群的个数N应与TSP中城市的数目相等

1. 粒子的结构形式：
   - 每个粒子表示一组解决方案，也可以看作是一个候选的位置坐标（i，j）。
   - 每个粒子的位置可以表示为一个二维向量，即(x, y)，其中x表示i的取值，y表示j的取值。粒子的速度通常可以用另一个与位置向量相同维度的向量来表示。

2. 评估函数形式：
   - 评估函数用于量化每个粒子解决方案的适应度。在图像匹配问题中，可以使用相关性或差异度作为评估函数。
   - 相关性度量可以使用相关系数或相关性匹配度量，计算原图像I1中与目标模版I2匹配的位置的相似度程度。
   - 差异度度量可以使用差异度指标，计算原图像I1中与目标模版I2不匹配的程度。

3. 算法步骤：
   1. 初始化粒子群：设置粒子个数、初始化每个粒子的位置和速度。
   2. 评估每个粒子的适应度：计算每个粒子位置的适应度，即原图像与目标模版的匹配程度。
   3. 更新全局最优解：记录当前全局最优解（最佳匹配位置）。
   4. 更新粒子的速度和位置：根据当前位置、速度和全局最优解，使用更新公式更新粒子的速度和位置。
   5. 判断终止条件：根据设定的终止条件判断是否终止迭代。例如，达到最大迭代次数或符合一定的收敛条件。
   6. 重复步骤2-5，直到满足终止条件。
   7. 返回全局最优解作为最符合目标模版的位置。