INTELIGENŢĂ ARTIFICIALĂ

More documents

Recommendations

Info

PSO – algoritm 3. Pentru fiecare particulă x Actualizarea memoriei Stabilirea celei mai bune poziţii (cu cel mai bun fitness) în care a ajuns până atunci – p Best
PSO – algoritm 3. Pentru fiecare particulă x i = (x i1,x i2,...,x iD) x pBest i Modificarea vitezei v şi a poziţiei x (pe fiecare dimensiune) v id = w *v id + c 1 * rand()* (p Best d − x id) + c 2* rand() * (g Best d − x id) v gBest/lBest x id = x id + v id unde: i=1,N (N – nr total de particule); d = 1,D w – factor de inerţie (Shi, Eberhart) w*v id – termen inerţial forţează particula să se deplaseze în aceeaşi direcţie ca şi până acum (tendinţă curajoasă – audacious) balansează căutarea între explorare globală (w mare) şi locală (w mic). poate fi constantă sau descrescătoare (pe măsura „îmbătrânirii” grupului) c 1 - factor de învăţare cognitiv c 1 * rand()* (p Best d − x id) – termen cognitiv forţează particula să se deplaseze spre cea mai bună poziţie atinsă până atunci (tendinţă de conservare) c 2 - factor de învăţare social c 2* rand() * (g Bestd − x id) – termen social forţează particula să se deplaseze spre cea mai bună poziţie a vecinilor; spirit de turmă, de urmăritor Cei doi factori c 1 şi c 2 pot fi egali sau diferiţi (c 1 > c 2 şi c 1 + c 2 < 4 – Carlise, 2001) Fiecare componentă a vectorului vitezelor este restricţionată la un interval: [−v max, v max] pentru a asigura păstrarea particulelor în spaţiul de căutare.
Page 1 and 2: INTELIGENŢĂ ARTIFICIALĂ Curs 5 R
Page 3 and 4: Materiale de citit şi legături ut
Page 5 and 6: Algoritmi inspiraţi de natură Ca
Page 7 and 8: Algoritmi inspiraţi de natură Gr
Page 9 and 10: PSO - aspecte teoretice Propusă
Page 11 and 12: PSO - aspecte teoretice Ideea de ba
Page 13 and 14: PSO - algoritm 1. Crearea populaţi
Page 15: PSO - algoritm 3. Pentru fiecare pa
Page 19 and 20: PSO - proprietăţi PSO discret (b
Page 21 and 22: PSO - proprietăţi Analiza algori
Page 23 and 24: ACO Aspecte teoretice Algoritm E
Page 25 and 26: ACO - aspecte teoretice Furnici na
Page 27 and 28: ACO - aspecte teoretice Furnici na
Page 29 and 30: ACO - aspecte teoretice Furnicile
Page 31 and 32: ACO - algoritm Cât timp nu s-a aj
Page 33 and 34: ACO - exemplu pentru TSP TSP - să
Page 35 and 36: ACO - exemplu pentru TSP 2. Cât ti
Page 37 and 38: ACO - exemplu pentru TSP 3. Se modi
Page 39 and 40: ACO - proprietăţi Proprietăţi
Page 41 and 42: Recapitulare PSO ACO Algoritm de
Page 43 and 44: Cursul următor - Materiale de citi

INTELIGENŢĂ ARTIFICIALĂ

Create successful ePaper yourself

Delete template?

Save as template?