新颖启发式算法,启发式的正确算法

首页 > 教育 > 作者:YD1662024-05-15 11:10:24

摘要: 本文主要讲解了受自然启发的五类AI算法以及各自的实际用例:神经网络、遗传算法、群集集体智慧、强化学习、人体免疫。

新颖启发式算法,启发式的正确算法(1)

搜索/寻路算法

搜索算法本质上是一个程序,旨在找到到达目标的最佳或最短路径。例如,旅行商问题(TSP)就是一个典型的搜索优化问题:给出城市列表以及城市之间的距离,寻找可以遍历每个城市,并花费最少的时间和开支的最佳路线。送货卡车就是这个问题的一个实际应用,假设在伦敦有100个人提交了网络订单,所有箱子都装进了一个货车里, 现在快递公司(比方说DPD)必须计算出最有效的路线(平衡距离/所花费的时间),以确保公司能够花费最少的时间,获得最大的利润。

预测建模算法

如今,预测建模被大肆炒作,各地数据科学家试图用神经网络解决世界上的不同问题。其实本质上,预测建模是使用统计数据来预测结果。数据科学家一直试图解决两种预测建模问题:回归和分类。回归是发现两组变量之间的相关性,而分类是确定数据集属于不同组的概率。

受自然启发的五种算法

1、人工神经网络

新颖启发式算法,启发式的正确算法(2)

前馈神经网络--最基本的神经网络类型

算法类型:预测建模

生物学启示:认知脑功能(神经元)

用例:情感分析、图像识别/检测、语言校正、机器人技术。

让我们从最广为人知的人工智能(AI)开始吧。神经网络是机器学习的子类的一部分。它们的设计和建造模仿了神经元层面的大脑功能,与轴突和树突相互作用,以便通过系统传递信息,通过一系列“层”产生预测结果并输出。每个图层都提供了一个额外的数据表示层,并允许您对最复杂的问题进行建模。

神经网络可能是被最广泛使用的机器学习算法,并且迄今为止是数据科学和机器学习最热门的趋势。神经网络可以用来解决各种各样的问题类型,包括自然语言处理和视觉识别。而且这种监督学习算法可以支持回归和分类问题。

2、遗传算法

新颖启发式算法,启发式的正确算法(3)

遗传算法中的个体繁殖

算法类型:搜索/寻路算法

生物学启示:适者生存/进化(细胞繁殖)

用例:数据挖掘/分析,机器人,制造/设计,过程优化

遗传算法以“适者生存”的方式,在连续几代之间采用类似进化的方法来解决搜索问题。每一代中都包含一些类似于DNA中染色体那样的字符串。而每个个体都代表着搜索空间里的一个点,因此都有可能成为候选解决方案。为了提高解决方案的数量,我们将个体放入进化的过程中。

·物种中的每个个体都将争夺资源和伙伴。

·在每个竞争中最成功的个体(通常)会比那些表现不佳的产生更多的个体。

·成功的候选人“基因”能在物种中更多的传播,因此表现好的潜力更大。

3、群集/集体智慧

新颖启发式算法,启发式的正确算法(4)

首页 12下一页

栏目热文

文档排行

本站推荐

Copyright © 2018 - 2021 www.yd166.com., All Rights Reserved.