本文是一篇計算機理論論文，論述了基于智能計算幾種經典算法解析，計算機論文快速發(fā)表期刊推薦《計算機工程與應用》創(chuàng)刊于1964年，是由信息產業(yè)部北京計算技術研究所主辦的、面向中高級計算機專業(yè)工作者的學術刊物，系中國計算機學會會刊、中國電子學會一級會刊，計算機工程與應用學會學報、計算機類中文核心期刊。
　　摘要：隨著計算機技術的飛速發(fā)展，智能計算方法的應用領域也越來越廣泛。本文介紹了當前存在的一些智能計算方法，闡述了其工作原理和特點，同時對智能計算方法的發(fā)展進行了展望。

　　關鍵詞：智能算法,人工神經網絡算法,遺傳算法,退火算法

　　1引言

　　智能算法也稱作為“背影算法”，是人們從現實的生活中的各種現象總結出來的算法。它是從自然界得到啟發(fā)，模仿它的原理而得到的算法，這樣我們可以利用仿生原理進行設計我們的解決問題的路徑，這就是智能計算的思想。這方面的內容很多，如人工神經網絡技術、遺傳算法、模擬退火算法等，下面分別對其進行分析。

　　2人工神經網絡算法

　　2.1人工神經網絡(ARTIFICIALNEURALNETWORK，簡稱ANN)

　　人工神經網絡是在對人腦組織結構和運行機制的認識理解基礎之上模擬其結構和智能行為的一種工程系統。早在本世紀40年代初期，心理學家McCulloch、數學家Pitts就提出了人工神經網絡的第一個數學模型，從此開創(chuàng)了神經科學理論的研究時代。其后，FRosenblatt、Widrow和J.J.Hopfield等學者又先后提出了感知模型，使得人工神經網絡技術得以蓬勃發(fā)展。

　　2.2人工神經網絡的特點

　　人工神經網絡的知識存儲容量很大。在神經網絡中，知識與信息的存儲表現為神經元之間分布式的物理聯系。它分散地表示和存儲于整個網絡內的各神經元及其連線上。每個神經元及其連線只表示一部分信息，而不是一個完整具體概念。只有通過各神經元的分布式綜合效果才能表達出特定的概念和知識。

　　由于人工神經網絡中神經元個數眾多以及整個網絡存儲信息容量的巨大，使得它具有很強的不確定性信息處理能力。即使輸入信息不完全、不準確或模糊不清，神經網絡仍然能夠聯想思維存在于記憶中的事物的完整圖像。只要輸入的模式接近于訓練樣本，系統就能給出正確的推理結論。

　　正是因為人工神經網絡的結構特點和其信息存儲的分布式特點，使得它相對于其它的判斷識別系統，如：專家系統等，具有另一個顯著的優(yōu)點：健壯性。生物神經網絡不會因為個別神經元的損失而失去對原有模式的記憶。最有力的證明是，當一個人的大腦因意外事故受輕微損傷之后，并不會失去原有事物的全部記憶。人工神經網絡也有類似的情況。因某些原因，無論是網絡的硬件實現還是軟件實現中的某個或某些神經元失效，整個網絡仍然能繼續(xù)工作。

　　人工神經網絡是一種非線性的處理單元。只有當神經元對所有的輸入信號的綜合處理結果超過某一門限值后才輸出一個信號。因此神經網絡是一種具有高度非線性的超大規(guī)模連續(xù)時間動力學系統。它突破了傳統的以線性處理為基礎的數字電子計算機的局限，標志著人們智能信息處理能力的一大飛躍。

　　3遺傳算法

　　3.1特點

　　遺傳算法是解決搜索問題的一種通用算法，對于各種通用問題都可以使用。搜索算法的共同特征為：(1)首先組成一組候選解；(2)依據某些適應性條件測算這些候選解的適應度；(3)根據適應度保留某些候選解，放棄其他候選解；(4)對保留的候選解進行某些操作，生成新的候選解。在遺傳算法中，上述幾個特征以一種特殊的方式組合在一起：基于染色體群的并行搜索，帶有猜測性質的選擇操作、交換操作和突變操作。這種特殊的組合方式將遺傳算法與其它搜索算法區(qū)別開來。

　　遺傳算法還具有以下幾方面的特點：

　　(1)遺傳算法從問題解的串集開始嫂索，而不是從單個解開始。這是遺傳算法與傳統優(yōu)化算法的極大區(qū)別。傳統優(yōu)化算法是從單個初始值迭代求最優(yōu)解的；容易誤入局部最優(yōu)解。遺傳算法從串集開始搜索，覆蓋面大，利于全局擇優(yōu)。

　　(2)許多傳統搜索算法都是單點搜索算法，容易陷入局部的最優(yōu)解。遺傳算法同時處理群體中的多個個體，即對搜索空間中的多個進行評估，減少了陷入局部最優(yōu)解的風險，同時算法本身易于實現并行化。

　　(3)遺傳算法基本上不用搜索空間的知識或其它輔助信息，而僅用適應度函數值來評估個體，在此基礎上進行遺傳操作。適應度函數不僅不受連續(xù)可微的約束，而且其定義域可以任意設定。這一特點使得遺傳算法的應用范圍大大擴展。

　　3.2運用領域

　　前面描述是簡單的遺傳算法模型，可以在這一基本型上加以改進，使其在科學和工程領域得到廣泛應用。下面列舉了一些遺傳算法的應用領域：(1)優(yōu)化：遺傳算法可用于各種優(yōu)化問題。既包括數量優(yōu)化問題，也包括組合優(yōu)化問題；(2)程序設計：遺傳算法可以用于某些特殊任務的計算機程序設計；(3)機器學習：遺傳算法可用于許多機器學習的應用，包括分類問題和預測問題等。

　　4退火算法

　　模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變?yōu)闊o序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態(tài)，最后在常溫時達到基態(tài)，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e-ΔE/(kT)，其中ΔE為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優(yōu)化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優(yōu)化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機搜索過程。退火過程由冷卻進度表(CoolingSchedule)控制，包括控制參數的初值t及其衰減因子Δt，每個t值時的迭代次數L和停止條件S。

　　5展望

　　目前的智能計算研究水平暫時還很難使“智能機器”真正具備人類的常識，但智能計算將在21世紀蓬勃發(fā)展。不僅僅只是功能模仿要持有信息機理一致的觀點。即人工腦與生物腦將不只是功能模仿，而是具有相同的特性。這兩者的結合將開辟一個全新的領域，開辟很多新的研究方向。智能計算將探索智能的新概念，新理論，新方法和新技術，而這一切將在以后的發(fā)展中取得重大成就。

　　參考文獻：

　　[1]Commonstructuralrulesfordoublehulloiltankers,seconddraftforcomment[S].AmericanBureauofShipping,DetNorske

　　VeritasandLloyd'Register,2005.

　　[2]HollandJ.Adaptationinnaturalandartificialsystems[M].Michigan,USA:TheUniversityofMichiganPress,1975;Massachusetts,USA:MITPress,1992.

　　[3]DeJongKA.Ananalysisofthebehaviorofaclassofgeneticadaptivesystem[J].UniversityofMichigan,1975.

　　[4]馬光偉，徐晉輝，石純一.社會Agent的BDO模型[J].計算機學報，2001,24(5):521-528.

　　[5]姚新,陳國良,徐惠敏,等.進化算法研究進展[J].計算機學報,1995,18(9):694-706.

轉載請注明來自：http://www.jinnzone.com/jisuanjiyingyonglw/23560.html