恩佐2登录 > SEO算法 > 现在模拟退火算法、粒子群优化算法、遗传和蚁群优化现在用的还多吗

现在模拟退火算法、粒子群优化算法、遗传和蚁群优化现在用的还多吗

admin SEO算法 2019年12月10日

  现在模拟退火算法、粒子群优化算法、遗传算法和蚁群优化算法现在用的还多吗?

  现在模拟退火算法、粒子群优化算法、遗传算法和蚁群优化算法现在用的还多吗?

  本人搞深度学习,平日里用的优化算法大部分都是梯度下降法和牛顿梯度法,上面这几个算法都是干什么用的?现在用的还多吗?...

  本人搞深度学习,平日里用的优化算法大部分都是梯度下降法和牛顿梯度法,上面这几个算法都是干什么用的?现在用的还多吗?

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  2019-03-16展开全部我是人工智能的小白,不能告诉你这几个算法是否是人工智能,不过碰巧多年前学习优化算法时,接触过这些算法。在这里分享几个关于算法的故事吧。

  有个快递小哥要跑遍全城送货,您打算帮他规划一条最短的路线。该怎么做呢,最直接的办法是穷举法。罗列出所有可能的线路,计算出每条线路的距离,寻求最短的路径。看起来很简单吧。可是在实际的路网上,路线组合是非常多的。如果有15个目的地,组合的数量至少是15的阶乘。更何况还要考虑路况,收费免费,时间段等各种条件的组合,这样的计算量恐怕是量子计算机也不能在可接受的时间里完成。这象是对条件不足多元方程组求解,要从无穷多的解中找出最接近期望值的解。于是,人们想出了许多快速逼近最优解的办法。

  蚂蚁出来觅食时,先是向四面八方出动,发现食物的蚂蚁会掉头回来通知其它的蚂蚁。接到通知的蚂蚁就会向食物的方向移动。蚂蚁移动时会在路线上留下气味。新宝7恩佐登录这样在通向食物的路线上气味就越来越浓,后面的蚂蚁不用直接接到信息,只要追着最浓的气味就可以找到食物。人们受到这个现象的启发,设立出来先按随机条件计算,在小范围内找到局部最优解之后,就为这些条件加分。一定时间后就围绕着分数高的条件计算,不断反复后得到的解被当作近似最优解。新宝7登录这就是蚂蚁算法的原理。

  和蚂蚁算法类似,人的记忆是通过神经元的突出建立起联系实现的。类似的刺激会使联系增强。达到一定刺激量之后,就可以形成长久的记忆。模仿这一过程,人们把各种约束条件当作神经元,随机选取路线,输入各种条件,当路径倾向于缩短时,就按照权重给各条件加分,反之就给条件减分,然后,根据分数,以最有利于优化的条件为主重新选择路线,反复该过程直到达到边界条件时,就认为得到了近似最优解。遗传算法,模拟退火算法,也都是用一定的方法,缩小计算范围,通过求局部最优解逼近最优解的。就不啰嗦了。

标签: seo算法