《2015年《計(jì)算智能》復(fù)習(xí)資料》由會(huì)員分享，可在線閱讀，更多相關(guān)《2015年《計(jì)算智能》復(fù)習(xí)資料（7頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、2015年《計(jì)算智能》復(fù)習(xí)資料 一、 填空題 1. 主流學(xué)派把人工智能分成：（邏輯主義）、（連結(jié)主義）和（行為主義）三大學(xué)派。計(jì)算智能有：（神經(jīng)網(wǎng)絡(luò)）、（進(jìn)化算法）和(群體智能)三個(gè)分支學(xué)派。神經(jīng)網(wǎng)絡(luò)根據(jù)網(wǎng)絡(luò)學(xué)習(xí)方法可分為（有監(jiān)督學(xué)習(xí)）、（無監(jiān)督學(xué)習(xí)）和（再勵(lì)學(xué)習(xí)）三種形式。BP網(wǎng)絡(luò)模型的分為三層包括（輸入層）、（隱藏層） 和（輸出層）。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程可歸結(jié)為（萌芽期）、（ 低潮反思期）、（復(fù)興發(fā)展時(shí)期和（高速發(fā)展時(shí)期）四個(gè)時(shí)期。遺傳算法借用生物遺傳學(xué)的觀點(diǎn)，是一種全局優(yōu)化算法，（選擇算子）、（ 交叉算子）和（變異算子）被認(rèn)為是遺傳算法的三種基本操作算子。人工神經(jīng)網(wǎng)絡(luò)有：M-P感知

2、機(jī)、BP神經(jīng)網(wǎng)絡(luò)、前饋內(nèi)層互聯(lián)網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)、全互聯(lián)網(wǎng)絡(luò)等幾種模型。人工神經(jīng)元之間通過互相聯(lián)接形成網(wǎng)絡(luò)，稱為人工神經(jīng)網(wǎng)絡(luò)?。 2. 遺傳算法的實(shí)現(xiàn)主要包括7個(gè)方面，染色體編碼、群體的初始化、適應(yīng)值評(píng)價(jià)、種群選擇、交叉、變異和算法流程； 3. 免疫算法的七個(gè)要素:識(shí)別抗體，生成初始化的抗體，計(jì)算親和度，記憶細(xì)胞分化，抗體促進(jìn)和抑制，產(chǎn)生新的抗體，結(jié)束條件。 4. 遺傳算法的基本原理：A、編碼與譯碼：將問題結(jié)構(gòu)變換為位串形式編碼表示的過程叫編碼；反之，將位串形式編碼表示變換為原問題結(jié)構(gòu)的過程叫譯碼。B、適應(yīng)度函數(shù)：為了體現(xiàn)個(gè)體的適應(yīng)能力，引入了對(duì)問題中的每一個(gè)個(gè)體都能進(jìn)行度量的函數(shù)，稱為適應(yīng)

3、度函數(shù)。C、遺傳操作：主要有三種（選擇、交叉、變異）選擇操作也叫復(fù)制操作，根據(jù)個(gè)體的適應(yīng)度函數(shù)值所度量的優(yōu)劣程度決定它在下一代是被淘汰還是被遺傳。交叉操作：它的簡單方式是將被選擇出的兩個(gè)個(gè)體P1和P2作為父母?jìng)€(gè)體，將兩者的部分碼值進(jìn)行交換。變異操作：它的簡單方式是改變數(shù)碼串的某個(gè)位置上的數(shù)碼。 5. 模擬退火算法的來源：模擬退火算法來源于固體退火原理，將固體加熱至充分高的溫度，再讓其徐徐冷卻，加溫時(shí)，固體內(nèi)部粒子隨溫度的升高而變?yōu)闊o序狀態(tài)，內(nèi)能增大，而徐徐冷卻時(shí)粒子漸趨有序，在每個(gè)溫度都達(dá)到平衡態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小。模擬退火算法分解為三個(gè)部分：解空間、目標(biāo)函數(shù)、初始解.

4、 二、簡答題 1、生物神經(jīng)元的六個(gè)基本特征。 1、神經(jīng)元及其聯(lián)結(jié)2、聯(lián)結(jié)強(qiáng)度決定信號(hào)傳遞的強(qiáng)弱3、聯(lián)結(jié)強(qiáng)度可以隨訓(xùn)練而改變4、信號(hào)可以是刺激作用的，也可以是抑制的5、一個(gè)神經(jīng)元接受的信號(hào)的累積效果決定該神經(jīng)元的狀態(tài)6、每個(gè)神經(jīng)元可以有一個(gè)“閾值” 2、智能是指人認(rèn)識(shí)客觀事物并運(yùn)用知識(shí)解決實(shí)際問題，它集中表現(xiàn)在反映客觀事物的深刻、正確、完全的程度上，以及應(yīng)用知識(shí)解決實(shí)際問題的速度和質(zhì)量上，往往通過觀察、記憶、判斷、聯(lián)想和創(chuàng)造等表現(xiàn)出來，簡單說，智能就是認(rèn)識(shí)事物，解決問題。 3、機(jī)器智能：假設(shè)一個(gè)人在房間一臺(tái)機(jī)器，另一個(gè)房間有一個(gè)人，當(dāng)人們提出問題讓他們分別作答，而提問的人分辨不出是哪個(gè)

5、人回答，哪個(gè)是機(jī)器回答的就認(rèn)為機(jī)器有了智能。 4、人工智能:就是利用計(jì)算機(jī)來表示或執(zhí)行人類的智能活動(dòng)，例如用計(jì)算機(jī)判斷、學(xué)習(xí)、決策、識(shí)別、理解、求解問題等。 三、簡述題 1、簡述人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)。（4個(gè)） 1、復(fù)雜非線性函數(shù)的逼近：人工神經(jīng)網(wǎng)絡(luò)是高度非線性動(dòng)力學(xué)系統(tǒng)，非線性函數(shù)可以是連續(xù)的、也可以是離散的，結(jié)構(gòu)可以是單層的、也可以是多層的。2、具有分布式信息存儲(chǔ)特點(diǎn)、可塑性：所有定量、定性的信息都等勢(shì)分布于網(wǎng)絡(luò)內(nèi)的各個(gè)神經(jīng)元，大量神經(jīng)元之間通過不同連接方式和權(quán)值分布來表征特定的信息。個(gè)別神經(jīng)元或局部網(wǎng)絡(luò)受損時(shí)，神經(jīng)網(wǎng)絡(luò)可以依靠現(xiàn)有的存儲(chǔ)實(shí)現(xiàn)對(duì)數(shù)據(jù)的聯(lián)想記憶功能。3、具有巨量信息并

6、行處理和大規(guī)模平行計(jì)算能力：每個(gè)神經(jīng)元對(duì)所接受的信息作相對(duì)獨(dú)立的處理，但各個(gè)神經(jīng)元之間可以并行、協(xié)同地工作；人腦每個(gè)神經(jīng)元很簡單，但由于大腦總計(jì)形成10E14-15個(gè)突觸，使得人腦1s內(nèi)可完成計(jì)算機(jī)至少需要10億處理步驟才能完成的任務(wù)。4、具有自組織、自學(xué)習(xí)功能：人工神經(jīng)網(wǎng)絡(luò)可以根據(jù)所在的環(huán)境去改變它的行為，可以按要求產(chǎn)生從未遇到的模式—“抽象”功能；神經(jīng)網(wǎng)絡(luò)間的連接網(wǎng)絡(luò)權(quán)值可以通過自學(xué)習(xí)過程不斷地修正；能在某些輸入不確定或默認(rèn)情況下，根據(jù)一定的學(xué)習(xí)規(guī)則自主地從樣本中學(xué)習(xí)，達(dá)到自適應(yīng)不知道或不確定的系統(tǒng)。 2、簡要地描述BP算法過程和用MATLAB軟件進(jìn)行仿真的總體步驟，并列出五個(gè)仿真過

7、程中必不可少的函數(shù)。 答：BP算法是一種ANN的誤差反向傳播訓(xùn)練算法，這種網(wǎng)絡(luò)不僅有輸入節(jié)點(diǎn)、輸出節(jié)點(diǎn)，還有一層或多層隱含節(jié)點(diǎn)。對(duì)于輸入信息要先向前傳播到隱含層的節(jié)點(diǎn)上，經(jīng)過各單元的特性為SIGMOID型的激活函數(shù)運(yùn)算后，把隱含節(jié)點(diǎn)的輸出信息傳播到輸出節(jié)點(diǎn)，最后給出輸出結(jié)結(jié)果。網(wǎng)絡(luò)學(xué)習(xí)過程由正向和反向傳播兩部分組成。在正向傳播過程中，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元網(wǎng)絡(luò)。如果輸出層不能得到期望輸出，就是實(shí)際輸出值與期望輸出值之間有誤差，那么轉(zhuǎn)入反向傳播過程，將誤差信號(hào)沿原來的連接通路返回，通過修改各層神經(jīng)元的權(quán)值，逐次地向輸入層傳播去進(jìn)行計(jì)算，再經(jīng)過正向傳播過程，這兩個(gè)過程的反復(fù)運(yùn)用，使

8、得誤差信號(hào)最小，實(shí)際上，誤差達(dá)到所希望的要求時(shí)，網(wǎng)絡(luò)的學(xué)習(xí)過程就結(jié)束。應(yīng)用MATLAB進(jìn)行仿真時(shí)，有五個(gè)必要過程： 問題描述，數(shù)據(jù)標(biāo)準(zhǔn)化、網(wǎng)絡(luò)初始化，網(wǎng)絡(luò)訓(xùn)練，網(wǎng)絡(luò)測(cè)試。相關(guān)函數(shù)： newff: 生成一個(gè)前饋BP網(wǎng)絡(luò)；logsig: sigmoid傳遞函數(shù)；initff: 前向網(wǎng)絡(luò)初始化；trainbp:利用BP算法訓(xùn)練前向網(wǎng)絡(luò)；learnbp:反向傳播學(xué)習(xí)規(guī)則;errsurf:計(jì)算誤差曲面函數(shù)； 人工智能的研究發(fā)展階段??：????????????????????????????????????????? 第一階段：50年代人工智能的興起和冷落：人工智能概念首次提出后，相繼出現(xiàn)了

9、一批顯著的成果，如機(jī)器定理證明、跳棋程序、通用問題s求解程序、LISP表處理語言等。但由于消解法推理能力的有限，以及機(jī)器翻譯等的失敗，使人工智能走入了低谷。?第二階段：60年代末到70年代，專家系統(tǒng)出現(xiàn)，使人工智能研究出現(xiàn)新高潮。?DENDRAL化學(xué)質(zhì)譜分析系統(tǒng)、MYCIN疾病診斷和治療系統(tǒng)、PROSPECTIOR探礦系統(tǒng)、Hearsay-II語音理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將人工智能引向了實(shí)用化。并且，1969年成立了國際人工智能聯(lián)合會(huì)議。?第三階段：80年代，隨著第五代計(jì)算機(jī)的研制，人工智能得到了很大發(fā)展。日本1982年開始了”第五代計(jì)算機(jī)研制計(jì)劃”，即”知識(shí)信息處理計(jì)算機(jī)系統(tǒng)KIPS

10、”，其目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那么快。?第四階段：80年代末，神經(jīng)網(wǎng)絡(luò)飛速發(fā)展。?1987年，美國召開第一次神經(jīng)網(wǎng)絡(luò)國際會(huì)議，宣告了這一新學(xué)科的誕生。此后，各國在神經(jīng)網(wǎng)絡(luò)方面的投資逐漸增加，神經(jīng)網(wǎng)絡(luò)迅速發(fā)展起來。 3、簡述模擬退火算法的基本流程。 4、結(jié)合實(shí)際模擬退火算法 5、畫出簡單遺傳算法的基本流程圖。 a)初始化：設(shè)置進(jìn)化代數(shù)計(jì)數(shù)器t=0，設(shè)置最大進(jìn)化代數(shù)T，隨機(jī)生成M個(gè)個(gè)體作為初始群體P(0)。b)個(gè)體評(píng)價(jià)：計(jì)算群體P(t)中各個(gè)個(gè)體的適應(yīng)度。c)選擇運(yùn)算:將選擇算子作用于群體。選擇的目的是把優(yōu)化的個(gè)體直

11、接遺傳到下一代或通過配對(duì)交叉產(chǎn)生新的個(gè)體再遺傳到下一代。選擇操作是建立在群體中個(gè)體的適應(yīng)度評(píng)估基礎(chǔ)上的。d)交叉運(yùn)算：將交叉算子作用于群體。遺傳算法中起核心作用的就是交叉算子。e)變異運(yùn)算：將變異算子作用于群體。即是對(duì)群體中的個(gè)體串的某些基因座上的基因值作變動(dòng)。群體P(t)經(jīng)過選擇、交叉、變異運(yùn)算之后得到下一代群體P(t+1)。f)終止條件判斷:若t=T,則以進(jìn)化過程中所得到的具有最大適應(yīng)度個(gè)體作為最優(yōu)解輸出，終止計(jì)算。 6、粒子群算法的基本流程 7、免疫算法流程

12、 生物神經(jīng)元： 生物神經(jīng)元的組織結(jié)構(gòu):神經(jīng)元以細(xì)胞體為主，由許多向周圍延伸的不規(guī)則樹枝狀纖維構(gòu)成的神經(jīng)細(xì)胞，其形狀像一棵枯樹的樹干，它主要由細(xì)胞體、細(xì)胞核、樹突、軸突、突觸組成。 8、結(jié)合自己的工作或本課程的學(xué)習(xí)，試敘述可能應(yīng)用基于BP算法的前向神經(jīng)網(wǎng)絡(luò)模型解決某一實(shí)際問題的想法。 答：在工作中可以對(duì)基于BP神經(jīng)網(wǎng)絡(luò)的系統(tǒng)級(jí)電源管理算法進(jìn)行應(yīng)用。在一個(gè)功耗可控的系統(tǒng)中，組件可工作在表征不同性能和功耗水平的各個(gè)功耗狀態(tài)。電源管理策略主要根據(jù)系統(tǒng)的歷史空閑時(shí)段、負(fù)載及給定性能指標(biāo)，決定何時(shí)進(jìn)行組件工作狀態(tài)轉(zhuǎn)換以及轉(zhuǎn)換到哪一個(gè)工作狀態(tài)。不同功耗狀態(tài)之間進(jìn)行轉(zhuǎn)換會(huì)帶來功耗、性能等方面的損失

13、。而人工神經(jīng)網(wǎng)絡(luò)具有從大量不完整數(shù)據(jù)中逐步獲取知識(shí)并進(jìn)行復(fù)雜目標(biāo)優(yōu)化的能力。利用人工神經(jīng)網(wǎng)絡(luò)的這一特性，有可能實(shí)現(xiàn)在不需要建立系統(tǒng)模型、無需預(yù)先獲得負(fù)載統(tǒng)計(jì)特性的前提下，通過從系統(tǒng)正常工作產(chǎn)生的數(shù)據(jù)中不斷自學(xué)習(xí)進(jìn)化，使系統(tǒng)具有自適應(yīng)、高效的電源管理能力，以達(dá)到降低系統(tǒng)功耗、提高器件可靠性、延長工作壽命的目的。嘗試?yán)萌斯ど窠?jīng)網(wǎng)絡(luò)中最基本也是最簡單的BP神經(jīng)網(wǎng)絡(luò)，進(jìn)行系統(tǒng)級(jí)電源管理算法的研究。 9、計(jì)算隨機(jī)生成10個(gè)城市距離，設(shè)計(jì)蟻群算法流程，計(jì)算TSP問題。 （1）首先初始化，設(shè)迭代的次數(shù)為NC。初始化NC=0?（2）將m個(gè)螞蟻置于n個(gè)頂點(diǎn)上?（3）m只螞蟻按概率函數(shù)選擇下一座城市，完

14、成各自的周游?，每個(gè)螞蟻按照狀態(tài)變化規(guī)則逐步地構(gòu)造一個(gè)解，即生成一條回路。螞蟻的任務(wù)是訪問所有的城市后返回到起點(diǎn)，生成一條回路。設(shè)螞蟻k當(dāng)前所在的頂點(diǎn)為i，那么，螞蟻k由點(diǎn)i向點(diǎn)j移動(dòng)要遵循規(guī)則而不斷遷移，按不同概率來選擇下一點(diǎn)。?（4）記錄本次迭代最佳路線?（5）全局更新信息素值?應(yīng)用全局信息素更新規(guī)則來改變信息素值。當(dāng)所有m個(gè)螞蟻生成了m個(gè)解，其中有一條最短路徑是本代最優(yōu)解，將屬于這條路線上的所有弧相關(guān)聯(lián)的信息素值進(jìn)行更新。?全局信息素更新的目的是在最短路線上注入額外的信息素，即只有屬于最短路線的弧上的信息素才能得到加強(qiáng)，這是一個(gè)正反饋的過程，也是一個(gè)強(qiáng)化學(xué)習(xí)的過程。在圖中各弧上，伴隨著信

15、息素的揮發(fā)，全局最短路線上各弧的信息素值得到增加。?（6）終止?若終止條件滿足，則結(jié)束；否則NC=NC+1，轉(zhuǎn)入步驟（2）進(jìn)行下一代進(jìn)化。終止條件可指定進(jìn)化的代數(shù)，也可限定運(yùn)行時(shí)間，或設(shè)定最短路長的下限。?（7）輸出結(jié)果? 10、用遺傳算法解決一元函數(shù)最大值： 求解的目標(biāo)函數(shù) Nind: 每代種群中的個(gè)體數(shù)量 Lcode: 種群中每個(gè)個(gè)體編碼長度 FieldD: 解碼的參數(shù)向量組(6個(gè)分量) Ps: (代溝)從父代種群中挑選個(gè)體的比率 Maxg: (終止條件)最大迭代次數(shù) vbest: 求得的最優(yōu)解 fbest: 求得的最優(yōu)值 返回所求目標(biāo)函數(shù)的最優(yōu)解與最優(yōu)值。 7