書名: 智能優(yōu)化技術:適應度地形理論及組合優(yōu)化問題的應用作者名: 路輝 周容容 石津華 孫升杰編著本章字數(shù): 238字更新時間: 2021-08-24 11:50:29
2.7 本章小結
本章從地形崎嶇性的角度對解空間適應度地形特征進行了分析,對反映地形崎嶇性的主要技術指標進行了詳細的闡述,同時給出了相關示例。
NK地形、適應度地形相關性、距離相關性和信息熵分析是目前優(yōu)化領域中分析地形崎嶇性的主要技術指標,他們主要是針對連續(xù)優(yōu)化問題提出的技術指標。尖銳性指標是通過對組合優(yōu)化問題特性的分析,從時間序列的角度構建的技術指標體系,并在分析各種調(diào)度問題中進行了應用,可以作為評價組合優(yōu)化問題地形空間崎嶇性的主要指標。同時,該指標也可以推廣應用于連續(xù)優(yōu)化的問題。
推薦閱讀
- 虛擬偶像AI實現(xiàn)
- 21世紀機器人
- 智能制造時代的研發(fā)智慧:知識工程2.0
- 不會被機器替代的人:智能時代的生存策略
- 物聯(lián)網(wǎng)+智能家居:移動互聯(lián)技術應用
- AI時代程序員開發(fā)之道:ChatGPT讓程序員插上翅膀
- 物聯(lián)網(wǎng)追溯系統(tǒng)及數(shù)據(jù)處理
- 大話機器智能:一書看透AI的底層運行邏輯
- 從零開始:機器學習的數(shù)學原理和算法實踐
- 深度學習實戰(zhàn):基于TensorFlow 2和Keras(原書第2版)
- 豆包:人人都能上手的AI工具
- AIGC輔助軟件開發(fā):ChatGPT 10倍效率編程實戰(zhàn)
- 智能汽車軟件功能安全
- ROS機器人開發(fā)實踐
- 深入淺出圖神經(jīng)網(wǎng)絡:GNN原理解析