智能优化算法的部分精华笔试试题doc.docx

智能优化算法的部分精华笔试试题doc.docx

《智能优化算法的部分精华笔试试题doc.docx》由会员分享，可在线阅读，更多相关《智能优化算法的部分精华笔试试题doc.docx（8页珍藏版）》请在冰豆网上搜索。

智能优化算法的部分精华笔试试题doc

智能优化算法的部分精华笔试试题

一、什么是P问题，什么是NP问题？

智能优化算法主要是针对什么问题而提出的？

解：

（1）P问题

（2）NP问题

（3）NP-C问题和NP-Hard问题

（4）智能优化算法主要是针对组合优化问题而提出的。

当最优化问题中的可行域D是一个由有限个元素组成的集合时，该最优化问题称为组合优化问题。

通常组合优化问题可表示为minf（x）

s.t.g（x）≥0,

x∈D.

典型的组合优化问题有旅行商问题，背包问题，并行排序问题等，

二、描述组合优化问题中的一个典型例子，并建立其数学模型。

解：

（1）旅行商问题（TravelingSalesmanProblem，TSP）

（2）背包问题

（3）并行机排序问题

三、描述模拟退火算法中的接收准则。

步骤：

1、初始化可行解和温度；2，根据Boltzmann概念退火；3，重复第二步直到稳定状态；4，降温；5，重复第二步至第四步直到满足终止条件或直到给定步数。

6，输出最好的解作为最优解。

退火接收准则：

在一给定温度下，由一个状态变到另一个状态，每一个状态到达的次数服从一个概率分布，即基于Metropolis接受准则的过程，该过程达到平衡时停止。

在状态si时，产生的状态sj被接受的概率为：

，这里，

.

降温：

四、写出遗传算法中的两种交叉运算方法，并分别举例说明。

步骤：

1、随机初始化popsize个染色体；2、用交叉算法更新染色体；3、用变异算法更新染色体；4，计算所有染色体的目标值；5，根据目标值计算每个染色体的适应度；6，通过轮盘赌的方法选择染色体。

7、重复第二至第六步直到终止条件满足；8、输出最好的染色体作为最优解。

评价函数：

Eval（V）是根据每个染色体V的适应函数fitness（V）而得到与其他染色体的比例关系，可用它来决定该染色体被选为种群的概率如：

轮盘赌选择过程：

交叉运算方法：

双亲双子法（两父代交叉位之后的全部基因互换）、变化交叉法（从不相同的基因开始选取交叉位，之后的方法同双亲双子法）、多交叉位法（间隔交换）、双亲单子法（2选1）、显性遗传法（按位或）、单亲遗传法（2-opt）等。

双亲双子交叉方法例子：

变异运算：

单点、多点变异法；2-opt法；

用遗传算法解决实数编码求连续函数优化问题，写出一种变异的运算方法。

解：

再用单点变异法或多点变异法即可完成实数码的变异方法。

（随机选一个或几个变异位取反）

五、解释蚁群智能优化算法中信息素的一种更新方法。

步骤：

1、初始化所有的信息素具有同样的量；2、根据信息素构造人工蚂蚁行为路线（解）；3、重复第二步直到所有人工蚂蚁完成一次行动；4、根据当前最好解更新路径上的信息素；5、重复第二步至第四步直到终止条件满足；6、输出最好解作为最优解。

信息素的一种更新方法：

方法一：

方法二：

方法三：

人工蚂蚁路线的构造：

六、描述Hopfiled人工神经网络的函数逼近一连续函数的方法。

解：

Step1.构造函数逼近的能量函数，使得能量函数有好的稳定性，如Err（w）；

Step2.由能量函数Err（w），根据

求解出动力系统方程

；

Step3.用数值计算的方法求解动力系统方程的平衡点，用定理判断平衡点是否为稳定点或渐近稳定点，网络达到稳定状态即达到极小值。

Hopfiled人工神经网络计算步骤：

七、为什么学“智能优化算法”？

学习之后有什么感想？

对本课程考核方法有什么建议。