Documente Academic
Documente Profesional
Documente Cultură
INTELIGEN
ARTIFICIAL
Curs 4
Laura Dioan
Sumar
A. Scurt introducere n Inteligena Artificial (IA)
B. Rezolvarea problemelor prin cutare
C.
Sisteme inteligente
Arbori de decizie
Reele neuronale artificiale
Maini cu suport vectorial
Algoritmi evolutivi
Sisteme hibride
Cutare local
Tipologie
Algoritmi evolutivi
Optimizare bazat pe comportamentul de grup (Particle
swarm optimisation)
Optimizare bazat pe furnici (Ant colony optmisation)
Creierul uman
Mecanismul evoluiei
Simularea naturii
Cu ajutorul algoritmilor
deoarece
Furnici
50% din insectele sociale
1 furnic are aprox. 1 mg Greutatea total a furnicilor greutatea total a
oamenilor
Triesc de peste 100 milioane de ani (oamenii triesc de aprox. 50 000 de ani)
Termite
Albine
PSO
Aspecte teoretice
Algoritm
Exemplu
Proprieti
Aplicaii
Propus
Cutare
Operatori de cutare
Un fel de mutaie
Elemente speciale
Fiecare particul:
Particulele coopereaz
Where should
I move to?
Food : 80
Food : 50
Food : 100
Where should
I move to?
Bird 1
Food : 150
Bird 2
Food : 100
Bird 3
Food : 100
Bird 4
Food : 400
PSO algoritm
Schema general
1.
2.
3.
Evaluarea particulelor
Pentru fiecare particul
4.
Poziii aleatoare
Viteze nule/aleatoare
Actualizarea memoriei
Stabilirea celei mai bune particule din swarm (gBest) /
dintre particulele vecine (lBest)
Stabilirea celei mai bune poziii (cu cel mai bun fitness)
n care a ajuns pn atunci pBest
Modificarea vitezei
Modificarea poziiei
PSO algoritm
1.
Iniializarea particulelor
poziii aleatoare
viteze nule/aleatoare
PSO algoritm
2.
Evaluarea particulelor
dependent de problem
PSO algoritm
3.
Stabilirea celei mai bune particule din swarm (gBest) / dintre particulele
vecine (lBest)
ntinderea vecintii
Global
Local
Tipul vecintii
Geografic
Social
Circular
global
1
2
geografic
social
3
6
5
PSO algoritm
3.
Stabilirea celei mai bune particule din swarm (gBest) / dintre particulele
vecine (lBest)
Stabilirea celei mai bune poziii (cu cel mai bun fitness) n care a ajuns
pn atunci pBest
pBesti
PSO algoritm
3.
gBest/lBest
unde:
xid)
PSO proprieti
Principii n PSO:
Diferene fa de EC:
PSO
PSO
PSO
PSO
binar discret
cu mai muli termeni de nvare social
cu particule eterogene
ierarhic
PSO proprieti
PSO proprieti
Pericole
PSO proprieti
Indicele de dispersie
Msoar gradul de mprtiere a particulelor n jurul
celei mai bune particule din grup
Media distanelor absolute (pe fiecare dimensiune)
ntre fiecare particul i particula cea mai bun
Explic gradul de acoperire (ntins sau restrns) a
spaiului de cutare
Indicele vitezei
Msoar viteza de micare a grupului ntr-o iteraie
Media vitezelor absolute
Explic cum (agresiv sau lent) se mic grupul
PSO aplicaii
Comunicare n reele
Optimizare combinatorial
Optimizri financiare
Analiza imaginilor i analiza video
Robotic
Planificare
Securitatea reelelor, detecia intruilor, criptografie,
criptanaliz
Procesarea semnalelor
ACO
Aspecte teoretice
Algoritm
Exemplu
Proprieti
Aplicaii
Propus
De ce furnici?
Cutare
Operatori de cutare
Elemente speciale
Fiecare furnic:
Furnici naturale
Furnici naturale
Furnici naturale
Furnici naturale
A
feromon
au memorie
pentru a reine aciunile efectuate au stare proprie (cu
istoricul aciunilor efectuate)
se pot ntoarce la cuib (si pe baza urmei de feromon)
nu sunt complet oarbe pot aprecia calitatea spaiului vecin
execut micri ntr-un timp discret
depun feromoni i n funcie de calitatea soluiei identificate
ACO algoritm
Iniializare
Ct timp nu s-a parcurs numrul necesar de pai pentru identificarea
soluiei
3.
4.
ACO algoritm
Versiuni:
Toate furnicile depun feromon dup construirea unei soluii complete (modificare
global colectiv)
doar cea mai bun frunic depune feromon dup construirea unei soluii complete
(modificare global a leader-ului)
feromonul depus este limitat la un interval dat
toate furnicile depun feromon la fiecare pas n construcia soluiei (modificare local
colectiv)
doar cea mai bun furnic depune feromon dup construirea unei soluii complete
(modificare global a leader-ului)
ACO exemplu
ACO exemplu
1.
Iniializare:
t := 0 (timpul)
pentru fiecare muchie (i,j) se iniializeaz
ij(t ) c
ij 0
fiecare furnic k (aflat n oraul i) alege urmtorul ora pe care l viziteaz (j) astfel:
unde:
arg max il il ,
j l permis k
J,
daca q q0
altfel
unde:
ij( t ) ij
p ijk (t ) is( t ) is
s permis k ( t )
0,
j permis
altfel
1
- vizibilitatea din oraul i spre oraul j (atractivitatea alegerii muchiei (i,j))
d ij
ij( t 1) (1 ) ij( t ) 0
unde:
k
Se calculeaz cantitatea total de feromoni de pe muchia (ij) ij ij
k 1
(
1
)
*
ij
ij
ij
vechi i feromonul nou lsat
3.
1
Lbest
max
min
ACO proprieti
Proprieti
Algoritm iterativ
Algoritm care construiete progresiv soluia pe baza
Algoritm stocastic
Avantaje
Informaiilor euristice
Urmei de feromon
Dezavantaje
ACO aplicaii
Probleme de transport
Recapitulare
PSO
ACO
Cursul urmtor
A. Scurt introducere n Inteligena Artificial (IA)
B. Rezolvarea problemelor prin cutare
C.
Sisteme inteligente
Arbori de decizie
Reele neuronale artificiale
Maini cu suport vectorial
Algoritmi evolutivi
Sisteme hibride
Cursul urmtor
Materiale de citit i legturi utile