dlut-KFQ人工智能导论答案1

人工智能导论作业，仅对fans开放，不要外传，不一定对，最后两个不要抄！！！！！

定义h=n*k
n为已经走的步数，k为不同的数字的个数

基本步骤：编码，群体设定，适应度函数，选择复制，交叉重组，变异
主要特点：1、编码操作使其可以直接对结构对象进行操作
2、采用群体搜索策略，具有较好的全局性能
3、仅适用于适应度函数来评估个体

区分群体中个体的好坏，进行自然选择

利用群体中的个体对信息的共享从而使得整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解

1、初始化每个粒子
2、评价每个粒子的适应度
3、设置每个粒子经历过的最好位置Pi
4、设置全局最优值Pg
5、更新粒子的速度和位置
6、设置检测终止条件

代码来自：CSDN，作者：RavenXRZ
%% 数据准备
% 清空环境变量
clear all
clc
% 程序运行计时开始
t0 = clock;
%导入数据
citys=xlsread(‘Chap9_citys_data.xlsx’, ‘B2:C53’);
%--------------------------------------------------------------------------
%% 计算城市间相互距离
n = size(citys,1);
D = zeros(n,n);
for i = 1:n
for j = 1:n
if i ~= j
D(i,j) = sqrt(sum((citys(i,:) - citys(j,:)).^2));
else
D(i,j) = 1e-4; %设定的对角矩阵修正值
end
end
end
%--------------------------------------------------------------------------
%% 初始化参数
m = 75; % 蚂蚁数量
alpha = 1; % 信息素重要程度因子
beta = 5; % 启发函数重要程度因子
vol = 0.2; % 信息素挥发(volatilization)因子
Q = 10; % 常系数
Heu_F = 1./D; % 启发函数(heuristic function)
Tau = ones(n,n); % 信息素矩阵
Table = zeros(m,n); % 路径记录表
iter = 1; % 迭代次数初值
iter_max = 100; % 最大迭代次数
Route_best = zeros(iter_max,n); % 各代最佳路径
Length_best = zeros(iter_max,1); % 各代最佳路径的长度
Length_ave = zeros(iter_max,1); % 各代路径的平均长度
Limit_iter = 0; % 程序收敛时迭代次数
%-------------------------------------------------------------------------
%% 迭代寻找最佳路径
while iter <= iter_max
% 随机产生各个蚂蚁的起点城市
start = zeros(m,1);
for i = 1:m
temp = randperm(n);
start(i) = temp(1);
end
Table(:,1) = start;
% 构建解空间
citys_index = 1:n;
% 逐个蚂蚁路径选择
for i = 1:m
% 逐个城市路径选择
for j = 2:n
has_visited = Table(i,1:(j - 1)); % 已访问的城市集合(禁忌表)
allow_index = ~ismember(citys_index,has_visited); % 参加说明1（程序底部）
allow = citys_index(allow_index); % 待访问的城市集合
P = allow;
% 计算城市间转移概率
for k = 1:length(allow)
P(k) = Tau(has_visited(end),allow(k))^alpha * Heu_F(has_visited(end),allow(k))^beta;
end
P = P/sum§;
% 轮盘赌法选择下一个访问城市
Pc = cumsum§; %参加说明2(程序底部)
target_index = find(Pc >= rand);
target = allow(target_index(1));
Table(i,j) = target;
end
end
% 计算各个蚂蚁的路径距离
Length = zeros(m,1);
for i = 1:m
Route = Table(i,:);
for j = 1:(n - 1)
Length(i) = Length(i) + D(Route(j),Route(j + 1));
end
Length(i) = Length(i) + D(Route(n),Route(1));
end
Length(i) = Length(i) + D(Route(n),Route(1));
end
% 计算最短路径距离及平均距离
if iter == 1
[min_Length,min_index] = min(Length);
Length_best(iter) = min_Length;
Length_ave(iter) = mean(Length);
Route_best(iter,:) = Table(min_index,:);
Limit_iter = 1;

  else[min_Length,min_index] = min(Length);Length_best(iter) = min(Length_best(iter - 1),min_Length);Length_ave(iter) = mean(Length);if Length_best(iter) == min_LengthRoute_best(iter,:) = Table(min_index,:);Limit_iter = iter; elseRoute_best(iter,:) = Route_best((iter-1),:);endend% 更新信息素Delta_Tau = zeros(n,n);% 逐个蚂蚁计算for i = 1:m% 逐个城市计算for j = 1:(n - 1)Delta_Tau(Table(i,j),Table(i,j+1)) = Delta_Tau(Table(i,j),Table(i,j+1)) + Q/Length(i);endDelta_Tau(Table(i,n),Table(i,1)) = Delta_Tau(Table(i,n),Table(i,1)) + Q/Length(i);endTau = (1-vol) * Tau + Delta_Tau;
% 迭代次数加1，清空路径记录表
iter = iter + 1;
Table = zeros(m,n);

end
%--------------------------------------------------------------------------
%% 结果显示
[Shortest_Length,index] = min(Length_best);
Shortest_Route = Route_best(index,:);
Time_Cost=etime(clock,t0);
disp([‘最短距离:’ num2str(Shortest_Length)]);
disp([‘最短路径:’ num2str([Shortest_Route Shortest_Route(1)])]);
disp([‘收敛迭代次数:’ num2str(Limit_iter)]);
disp([‘程序执行时间:’ num2str(Time_Cost) ‘秒’]);
%--------------------------------------------------------------------------
%% 绘图
figure(1)
plot([citys(Shortest_Route,1);citys(Shortest_Route(1),1)],… %三点省略符为Matlab续行符
[citys(Shortest_Route,2);citys(Shortest_Route(1),2)],‘o-’);
grid on
for i = 1:size(citys,1)
text(citys(i,1),citys(i,2),[’ ’ num2str(i)]);
end
text(citys(Shortest_Route(1),1),citys(Shortest_Route(1),2),’ 起点’);
text(citys(Shortest_Route(end),1),citys(Shortest_Route(end),2),’ 终点’);
xlabel(‘城市位置横坐标’)
ylabel(‘城市位置纵坐标’)
title([‘ACA最优化路径(最短距离:’ num2str(Shortest_Length) ‘)’])
figure(2)
plot(1:iter_max,Length_best,‘b’)
legend(‘最短距离’)
xlabel(‘迭代次数’)
ylabel(‘距离’)
title(‘算法收敛轨迹’)
%--------------------------------------------------------------------------
%% 程序解释或说明
% 1. ismember函数判断一个变量中的元素是否在另一个变量中出现，返回0-1矩阵；
% 2. cumsum函数用于求变量中累加元素的和，如A=[1, 2, 3, 4, 5], 那么cumsum(A)=[1, 3, 6, 10, 15]。

根据经验而定
部分文献中指出：Q=100,m=1~5,残留参数0.7，信息启发因子1.0，期望启发因子1.5

文献：
[1] 詹士昌,徐婕,等.蚁群算法中有关算法参数的选择[J].杭州.科技通报，2003，19（5）：381~386.

[2] Coloni A,Dorigo M,Maniezzo V, Ant system:Optimization by a colony of cooperating agent[J],IEEE Trans on System,Man and Cybernetics Part B:Cybernetics.1996,1(1):53~66.

[3] 马良，来自昆虫世界的寻优策略——蚁群算法[J].自然杂志，1999，21（3）：161~163.

dlut-KFQ人工智能导论答案1相关推荐

伯克利人工智能导论课开放：视频、PPT和练习都在这 | 资源
铜灵发自凹非寺量子位出品 | 公众号 QbitAI 最近,加州大学伯克利分校(UC Berkeley)发布了2018秋季人工智能导论课程的全部资源,学校课程代号CS 188. 这套课程介绍了A ...
计算机课程思政目标有哪些,《人工智能导论》教学大纲（含课程思政内容）
原标题:<人工智能导论>教学大纲(含课程思政内容) u<人工智能导论(Python版)微课视频版>教学大纲 (含课程思政内容) 课程名称人工智能导论 (Introductio ...
人工智能导论丁世飞第三版期末考试复习大纲
人工智能导论期末考试复习大纲绪论知识表示确定性推理搜索策略机器学习专家系统进化计算绪论什么是智能?什么是人工智能? ➊ 智能是知识与智力的总和. ➋ 人工智能是研究开发用于模拟.延伸 ...
2023 hnust 湖南科技大学大三下人工智能导论课程期中考试复习笔记
前言 ★大概率考 ✦个人推测考点 ※补充内容没有完全覆盖"人工智能导论复习2023.pdf"的重点致谢:hwl.lyf.lqx 题型问答:5*10分综合:15分设计:25 ...
信息与智能科学导论答案_最全中科大计算机学院课程资源（含答案）
我们经常能在网上找到美国顶级大学公开的计算机科学课程,但对国内院校的课程了解不多.刚刚,我们在 GitHub 上发现了一个不错的 repo:中国科学技术大学计算机学院课程资源,目前已经收集了中国科学技 ...
人工智能导论笔记——江湖救急版
人工智能导论笔记--江湖救急版 Powered by DZY 以下部分图片来源于老师课件,仅供学习交流使用,侵权致删! 一.绪论感觉并无考点,列出提纲人工智能的基本概念人工智能的发展简史人工智 ...
人工智能导论王万良教授_学会动态丨辽宁省人工智能导论教学研讨活动在沈阳成功举办...
5月29-30日,由中国科学技术协会指导,中国人工智能学会.辽宁省科学技术协会和辽宁省教育厅联合主办,东北大学承办的辽宁省<人工智能导论>教学研讨活动在沈阳成功举办.此次教学研讨活动由&l ...
[渝粤教育] 西安理工大学人工智能导论参考资料
教育 -人工智能导论-章节资料考试资料-西安理工大学[] 第一讲人工智能概述单元测试 1.[单选题]人工智能中通常把( )作为衡量机器智能的准则. A.图灵机 B.图灵测试 C.中文屋思想实验 D. ...
人工智能导论王万良教授_FCES2019 panel4：人工智能的第一堂课究竟讲什么？
全文共1877字,预计学习时长5分钟说起人工智能教育,最基本的是回归课堂.在北京大学李文新教授的主持下,panel4变成了一场:"讲课真老师之间的体会.经验.教训和收获的分享会" ...

dlut-KFQ人工智能导论答案1

dlut-KFQ人工智能导论答案1相关推荐

最新文章

热门文章