当前课程知识点:智能控制 >  第七章 遗传算法及其应用 >  7.2 遗传算法的特点 >  7.2 遗传算法的特点

返回《智能控制》慕课在线视频课程列表

7.2 遗传算法的特点在线视频

下一节:7.3 遗传算法的基本操作之复制

返回《智能控制》慕课在线视频列表

7.2 遗传算法的特点课程教案、知识点、字幕

二 遗传算法的特点

那么常规的优化算法

包括解析法和枚举法

解析法就像

我们高等数学里面学过的

求偏导数

如果偏导数为零

就说明它有极值点

那么它求得的解

一般是局部最优

而不是全局最优

并且要求目标函数是连续光滑的

且可导的

这是解析法

那么枚举法

虽然克服了这些缺点

但是它的穷举效率太低

对于实际问题

往往由于搜索空间太大

而不能遍历所有的搜索情况

即使著名的动态规划法

也会遇到指数爆炸问题

那么它对于中等规模

和适度复杂性的问题

也常常无能为力

那这是常规的优化算法的一个缺陷

那么遗传算法

它就可以克服这些缺陷

它有如下一些特点

第一 遗传算法是对参数的编码进行操作的

而不是对参数本身

所以它就会很方便

类似于基因操作

它针对的是基因型

而不是表现型

第二 遗传算法是从许多点

开始并行操作

而不是局限于一点

因此可以有效地防止

搜索过程收敛于局部最优解

这样的话进行多点并行搜索

提高收敛速度

第三 遗传算法通过目标函数来计算适配值

来衡量每个个体的生存能力

也就它的性能优劣

进而决定优胜劣汰

而不需要其他的推导和附加信息

从而对问题的依赖性较小

第四 遗传算法的寻优规则

是由概率决定的

而不是确定性的

那么它这个是算法

同一个算法

针对同一个问题

这一次运行的结果

和上一次运行结果

可能就不一样

第五 遗传算法法在解空间

也就是搜索空间

进行高效启发式搜索

它是有目标的

目的的

而按照某种方法进行

高效启发式搜索

它有启发式信息的

而不是盲目的穷举

或者是完全随机搜索

这是它的第五个特点

第六 传统的解析方法进行优化

我要求目标函数要连续可导

但是遗传算法不需要

它对于待寻优的函数

基本上没有限制

既不要求函数连续

也不要求函数可微

既可以是数学解析式

所表达的显式函数

也可以是映射矩阵

甚至是神经网络等隐函数

因此它的应用范围较广泛

第七 遗传算法具有并行计算特点

因而可通过大规模并行计算

来提高计算速度

第八 遗传算法更适合

大规模复杂问题的优化

问题越复杂

越能体现出遗传算法的优越性

第九 遗传算法计算简单

功能强大

它的操作比较简单

但它功能会非常强大的

智能控制课程列表:

第一章 智能控制课程概论

-开篇

--开篇

-1.1课程考试方式

--1.1课程考试方式

-1.2 数据、信息、知识与智能

--1.2 数据、信息、知识与智能

-1.3传统控制面临的挑战

--1.3 传统控制面临的挑战.

-1.4 控制科学发展过程

--1.4 控制科学发展过程.

-1.5 智能控制的多元论

--1.5

-1.6 控制策略的渗透与融合

--1.6

-1.7 智能控制与传统控制的联系与区别

--1.7

-1.8 智能控制的类型之分级递阶智能控制系统

--1.8

-1.9 智能控制的类型之专家控制系统

--1.9

-1.10 智能控制的类型之模糊控制系统

--1.10

-1.11 智能控制的类型之神经网络控制系统,智能控制的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制

--1.11

-1.12智能控制系统的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制

--1.12

-1.13本章小结

--1.13

-第一章测试

第二章 专家控制专题

-2.1基于搜索的问题求解

--2.1.1 搜索与人工智能的关系

--2.1.2 算法1 随机搜索

--2.1.3 算法2 引入CLOSED表.

--2.1.4 算法3 引入OPEN表.

--2.1.5 纵向搜索算法(深度优先搜索)

--2.1.6 横向搜索算法(广度优先搜索)

-- 2.1.7 均一代价搜索

--2.1.8 启发式搜索

--2.1.9 登山法和最佳优先搜索.

-- 2.1.10 A星算法

-- 2.1.11 八数码魔方实例分析

-2.2 专家系统简介

--2.2.1 专家系统简介(上)

--2.2.2 专家系统简介(下)

- 2.3 专家PID

--2.3.1 专家PID (上)

--2.3.2 专家PID (下)

-第二章测试

第三章 模糊控制的理论基础

-3.1 模糊控制概述

--3.1.1 模糊控制概述

-3.2 模糊集合

--3.2.1 模糊集合(上)

--3.2.2 模糊集合(中)

--3.2.3 模糊集合(下)

-3.3 隶属函数

--3.3隶属函数.

-3.4 模糊关系及其运算

--3.4模糊关系及其运算

-第三章测试

第四章 模糊控制

- 4.1 模糊自适应整定PID控制原理

--4.1.1 模糊自适应整定PID控制原理(上)

--4.1.2 模糊自适应整定PID控制原理(下)

-4.2 基于FF的模糊PID控制试验验证

-- 4.2.1 基于FF的模糊PID控制试验验证(上)

-- 4.2.2 基于FF的模糊PID控制试验验证(下)

-第四章测试

第五章 神经网络的理论基础

- 5.1 神经网络简介

--5.1 神经网络简介

- 5.2 神经网络的发展简史

--5.2 神经网络的发展简史

-5.3 神经网络的基本概念

--5.3 神经网络的基本概念

- 5.4 神经网络的分类

--5.4 神经网络的分类

-5.5 神经网络的学习算法、基本特征和研究领域

--5.5 神经网络的学习算法、基本特征和研究领域

-第五章测试

第六章 典型神经网络

-6.1 感知器

--6.1.1 感知器的数学模型.

--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)

--6.1.2.2 感知器应用实例分析(实现逻辑运算异或)

- 6.2 BP神经网络

--6.2.1.1 BP神经网络简介(上)

--6.2.1.2 BP神经网络简介(中)

--6.2.1.3 BP神经网络简介(下)

--6.2.2.1 BP神经网络应用实例分析之一:逻辑运算异或实现

--6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合

-第六章测试

第七章 遗传算法及其应用

- 7.1 什么是遗传算法

--7.1 什么是遗传算法

-7.2 遗传算法的特点

--7.2 遗传算法的特点

-7.3 遗传算法的基本操作之复制

--7.3 遗传算法的基本操作之复制

-7.4 遗传算法的基本操作之交叉与变异

--7.4 遗传算法的基本操作之交叉与变异

-第七章测试

第八章 遗传编程

-8.1 遗传编程工作原理

--8.1 遗传编程工作原理

-8.2 遗传编程基本操作之复制

--8.2 遗传编程基本操作之复制

-8.3 遗传编程基本操作之交换和突变

--8.3 遗传编程基本操作之交换和突变

- 8.4 遗传编程的工作步骤及实例分析

-- 8.4 遗传编程的工作步骤及实例分析

-第八章测试

期末测试

-期末测试

7.2 遗传算法的特点笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。