仿生学计算机pdf,基于仿生学的计算智能系统论文.pdf

本文介绍了基于仿生学的计算智能系统,探讨了神经网络、遗传算法和模糊逻辑在解决复杂问题上的应用。神经网络的并行结构、遗传算法的优化能力和模糊逻辑的数据处理能力被结合,以构建更完善的智能系统。计算智能与数据库技术的结合,如数据挖掘,揭示了传统数据库向智能化发展的趋势。通过融合不同智能技术,有望解决现实世界中的复杂挑战。
摘要由CSDN通过智能技术生成

基于仿生学的计算智能系统

The BasedonBionics

ComputationalSystem

Intelligence

热合木江古丽·吐尔逊马杰木合塔尔马玉书

(石油大学人工智能研究中心 北京102200)

AbstractThis introducedamechanismand methodof intel—

computational

paper implementation

neural and outthe

fuzzy pointed

ligenceincludingnetworks,geneticalgorithm computing,and

ofit.

applicationprospect

networks,Genetic

KeywordsComputationalintelligence,Neural computing

algorithm,Fuzzy

得成功的应用。神经网络的高度并行结构、自学习、

1.计算智能与数据库技术

模式识别能力,遗传算法的最优化和搜索效率,模糊

现实世界中存在大量复杂的、不确定性因素,所 逻辑系统处理不完全、模糊数据的能力将使人们能

收集的信息多数是非数值型的、不确定的和模糊的, 研发出适应范围更广的智能技术。然而,更重要的是

对这些数据不能准确地用数学方法来描述和求解, 如何将这几种智能技术相互融合、取长补短,综合集

而主要靠专家的经验和知识来进行对比、分析、解释 成为一个功能更加完善的系统,以提高系统智能化

和处理。采用常规方法来求解工程应用中的复杂问 的程度,解决现实世界中的各种复杂问题。人们在深

题已经遇到重大的困难,而采用含有神经网络、遗传 入研究以上三种技术的基础上,正在把神经网络的

算法和模糊逻辑等的计算智能技术及其相互融合组 拓扑结构、模糊逻辑的软件算法和遗传算法的搜索

成的集成软件或许能有效地解决这些问题。目前,数 能力有机结合起来,以构成一种新兴的智能方法和

据库技术从仅能进行增、删、改等操作型环境已发展 技术,这就是所谓的计算智能CI系统[3]。

到OLAP、数据挖掘/知识发现等新需求,代表了传

2.计算智能及其组成

统数据库向智能化发展的新趋向。以数据挖掘DM

为例,DM指从大型数据库的海量信息中提取有用 关于智能,可以将其分为三个层次:高层次的是

的信息和有意义的规则,找出数据之间的相互关联, 生物智能BI、中层次的人工智能AI和低层次的计

进行知识发现,完成此任务的关键技术在于采用合 算智能CI。CI是国际上新近提出的学科概念。在CI

理、有效的搜索算法以构造有效的学习机制。目前, 中,计算的概念是传统计算概念的拓展,其计算对象

解决机器学习问题主要有神经网络、遗传进化和模

【蚁群算法及其应用】 蚂蚁觅食行为与觅食策略 蚂蚁系统——蚁群系统的原型 改进的蚁群优化算法 蚁群优化算法的仿真研究 蚁群算法的应用——对QoS组播路由问题求解 20世纪50年代中期创立了仿生学,人们从生物进化的机理中受到启发。提出了许多用以解决复杂优化问题的新方法,如进化规划、进化策略、遗传算法等,这些算法成功地解决了一些实际问题。 20世纪90年代意大利学者M.Dorigo,V.Maniezzo,A.Colorni等从生物进化的机制中受到启发,通过模拟自然界蚂蚁搜索路径的行为,提出来一种新型的模拟进化算法—— 蚁群算法,是群智能理论研究领域的一种主要算法。用该方法求解TSP问题、分配问题、job-shop调度问题,取得了较好的试验结果.虽然研究时间不长,但是现在的研究显示出,蚁群算法在求解复杂优化问题(特别是离散优化问题)方面有一定优势,表明它是一种有发展前景的算法. 这种方法能够被用于解决大多数优化问题或者能够转化为优化求解的问题。现在其应用领域已扩展到多目标优化、数据分类、数据聚类、模式识别、电信QoS管理、生物系统建模、流程规划、信号处理、机器人控制、决策支持以及仿真和系统辩识等方面,群智能理论和方法为解决这类应用问题提供了新的途径。 群智能理论研究领域有两种主要的算法:蚁群算法(Ant Colony Optimization, ACO)和微粒群算法(Particle Swarm Optimization, PSO)。前者是对蚂蚁群落食物采集过程的模拟,已成功应用于许多离散优化问题。微粒群算法也是起源于对简单社会系统的模拟,最初是模拟鸟群觅食的过程,但后来发现它是一种很好的优化工具。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值