智能算法学习总结

 

本科的时候学习了智能信息处理这门课程，所使用的教材是《计算智能》

张军，詹志辉. 计算智能[M]. 清华大学出版社，2009.11

之前回忆了一下一些还有点记忆的算法，写了一点博客如下：

1、神经网络的基础知识与简单分类编程

https://blog.csdn.net/SweeNeil/article/details/86531384

2、模糊逻辑基本原理与编程

https://blog.csdn.net/SweeNeil/article/details/86535572

3、粒子群算法基本原理与编程

https://blog.csdn.net/SweeNeil/article/details/86542129

4、模拟退火算法原理与编程

https://blog.csdn.net/SweeNeil/article/details/86545469

5、遗传算法的基础知识与编程

https://blog.csdn.net/SweeNeil/article/details/86552674

6、蚁群算法的基础知识与可参考资料

https://blog.csdn.net/SweeNeil/article/details/86573662

百度百科中智能算法的描述如下：

“智能算法”是指在工程实践中，经常会接触到一些比较“新颖”的算法或理论，比如模拟退火，遗传算法，禁忌搜索，神经网络，天牛须搜索算法等。这些算法或理论都有一些共同的特性（例如模拟自然过程等）。它们在解决一些复杂的工程问题时大有用武之地。

 

其实通过学习这些算法，自我感觉里面的核心就在于巧妙地运用了随机数。我们在搜索的过程中，通过一个随机概率，选择那些在当前情况下并不是最优的解。这样做有一个好处，就是可以避免局部最优解，让解可以跳出局部最优，有更大的概率或得到全局最优解。

而这些智能算法结合随机数，给出一种快速求解的可理解思路，例如蚁群算法，模拟蚁群的生活方式，来构建这样一个可理解的模型，将一个抽象的问题同自然界的现象结合起来，更有说服力。

其实在生活中很多地方都可以引入随机概率，例如在TSP问题中，有很多近似算法，例如最小权匹配法、二边逐次修正法。当时在进行学习的时候，感觉到二边逐次修正法可能会遇到进入局部最优解的问题，所以才导致该算法无法找到精确解。如果给二边逐次修正法加入一个随机概率，在每次选边的时候以一个较低的随机概率接收大于现有两边的解，可能对于跳出局部最优解会有一定帮助。

对于上述猜想我也没有具体深究，就是感觉这个随机概率很神奇，自然现象结合随机概率，就让很多理论活跃了起来。

智能算法可能作为平时的一种计算工具被我们广泛使用，但是目前我还没有具体运用到，现在所处的领域过于底层，自己也想到了就随便写写了。

完。