标签：state str 采样 这一 不同的 推理 变量 pwd 环境
人工智能学派
不同的人从不同的方向研究人工智能理论, 最典型研究方法有三种:
(1) 结构主义
第一个思路是从人类大脑皮层和神经网络入手, 模仿大脑中很多神经元互相联系起来成为神经网络。模拟这个结构组成系统的结构, 试图通过使很多人工神经元组在一起的方式形成智能系统。这是神经网络的研究方法, 也可以叫做结构主义。
(2) 功能主义
第二种研究方法是想用计算机模拟人的智能。系统只要有智能的功能就可以了, 不需要理会结构, 所以也有人给它起名叫做功能主义。这种系统和知识工程密切结合, 需要专门的知识库, 对于知识的研究也最为关心。
(3) 行为主义
第三种研究方法设计出感知-动作系统,设计动作和不同具体情景匹配, 只关心系统可以做出的动作, 也被人称为行为主义。
可以看出，仿生算法侧重于过程，模仿一种行为，属于行为主义学习。而状态转移算法重在构建一种通解或者结构，这种结构在设计时尽量考虑所有的情形，使用时能够自适应地搭配各种子结构的比例，实现智能优化，因此属于结构主义学习。
（1）结构模拟：神经网络，联结主义（又称为仿生学 派或生理学派）的代表，其原理主要为神经网络及神经网络 间的连接机制。即模拟人的生理神经网络结构，并认为功能、 结构和智能行为是密切相关的。原理主要为神经网络及神经 网络间的连接机制与学习算法。
（2）功能模拟：符号逻辑系统，符号主义的代表。通 过分析人类认知系统所具备的功能和机能，并用计算机模 拟，实现人工智能。原理主要为物理符号系统假设和有限合 理性原理。符号主义认为人工智能源于数学逻辑，可以应用 计算机研究人的思维过程，模拟人类智能活动。发展了启发 式算法、专家系统、知识工程理论与技术，至今仍是人工智 能的主流派。
（3）行为模拟：感知-动作系统，行为主义的代表。认 为功能、结构和智能行为是不可分割的，同时认为不同的行 为表现出不同的功能和不同的控制结构。行为主义早期模拟 人在控制过程中的智能行为和作用，如对自寻优、自适应、 自校正、自组织、自学习等控制系统的研究。80 年代诞生 了智能控制和智能机器人系统。行为主义者认为智能不需要 知识，不需要表示，不需要推理；人工智能可以像人类智能 一样逐步进化(所以称为进化主义)，智能行为只能在现实世 界中与周围环境交互作用而表现出来。
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
上面为论文理解与理论对比方面，后面为MATLAB源码中关于基本状态转移算法的一些关键部分的理解,关键理解已用中文注释出来。
initialization.m ：
function State=initialization(SE,Dim,Range) Pop_Lb = Range(1,:);%Range的第一行，全是-5.12 Pop_Ub = Range(2,:);%Range的第二行，全是5.12 State = rand(SE,Dim).*repmat(Pop_Ub-Pop_Lb,SE,1)+repmat(Pop_Lb,SE,1); %State是状态集，大小等于dim*SE
STA.m ：
alpha_min = 1e-4;
alpha = alpha_max;
beta = 1;
gamma = 1;
delta = 1;
fc = 2;
% initialization
State = initialization(SE,Dim,Range);
[Best,fBest] = fitness(funfcn,State);%当前最优的解向量Best和当前最优函数值fBest
counter = 0;
% iterative process
for iter = 1:Iterations
if alpha < alpha_min
alpha = alpha_max;
end
% flag
oldfBest = fBest;%f的best，函数值
[Best,fBest] = expand(funfcn,Best,SE,Range,beta,gamma);
[Best,fBest] = rotate(funfcn,Best,SE,Range,alpha,beta);
[Best,fBest] = axesion(funfcn,Best,SE,Range,beta,delta);
% termination conditions
if norm(oldfBest-fBest) < 1e-8 % 计算矩阵范数表示误差，误差可以修改
counter = counter + 1;
if counter > 10 % can be changed
break;
end
else
counter = 0;
end
fprintf(‘iter=%d ObjVal=%g\n‘,iter,fBest);
history(iter) = fBest;
alpha = alpha/fc;
end
rotate.m :
function [Best,fBest] = rotate(funfcn,oldBest,SE,Range,alpha,beta)
Pop_Lb=repmat(Range(1,:),SE,1);
Pop_Ub=repmat(Range(2,:),SE,1);
Best = oldBest;
fBest = feval(funfcn,Best);
flag = 0;
State = op_rotate(Best,SE,alpha); %rotation operator
%Apply for State > Pop_Ub or State < Pop_Lb
changeRows = State > Pop_Ub;
State(find(changeRows)) = Pop_Ub(find(changeRows));
changeRows = State < Pop_Lb;
State(find(changeRows)) = Pop_Lb(find(changeRows));
%Apply for State > Pop_Ub or State < Pop_Lb把超过上下界的值自动替换为上下界，这里的作用是用MATLAB控制台写实验程序理解的
[newBest,fGBest] = fitness(funfcn,State);
if fGBest < fBest
fBest = fGBest;
Best = newBest;
flag = 1;
else
flag = 0;
end
if flag ==1
State = op_translate(oldBest,Best,SE,beta);%translation operator
%Apply for State > Pop_Ub or State < Pop_Lb
changeRows = State > Pop_Ub;
State(find(changeRows)) = Pop_Ub(find(changeRows));
changeRows = State < Pop_Lb;
State(find(changeRows)) = Pop_Lb(find(changeRows));
%Apply for State > Pop_Ub or State < Pop_Lb
[newBest,fGBest] = fitness(funfcn,State);
if fGBest < fBest
fBest = fGBest;
Best = newBest;
end
end
fitness.m :
function [Best,fBest] = fitness(funfcn,State)
% calculate fitness
SE = size(State,1);
fState = zeros(SE,1);
for i = 1:SE
fState(i) = feval(funfcn,State(i,:));
end
[fGBest, g] = min(fState);%返回最小值fGBest和其索引g
fBest = fGBest;
Best = State(g,:);%最值对应那一行的解
op_rotate.m :
function y=op_rotate(Best,SE,alpha) n = length(Best); y = repmat(Best‘,1,SE) + alpha*(1/n/(norm(Best)+eps))*reshape(unifrnd(-1,1,SE*n,n)*Best‘,n,SE); y = y‘;%转置，画一下就懂,注意分清行列哪个是SE，哪个是Dim
Test_sta.m ：
clear all clc currentFolder = pwd; addpath(genpath(currentFolder)) % parameter setting warning(‘off‘) SE = 30; % degree of search enforcement Dim = 30;% dimension Range = repmat([-5.12;5.12],1,Dim);%range Iterations = 1e3;% maximum number of iterations tic [Best,fBest,history] = STA(@Rastrigin,SE,Dim,Range,Iterations); toc history semilogy(history)
标签：state str 采样 这一 不同的 推理 变量 pwd 环境
原文地址：https://www.cnblogs.com/ltymaster/p/14147804.html
