특허는 특허를 출원한 사람의 것입니다. 어떤 인공지능 알고리즘이 있는지 살펴보겠습니다.

1. 입자군집(Particle Swarm) 알고리즘

Swarm 알고리즘은 입자 떼 최적화 알고리즘(Particle Swarm Optimization)이라고도 하며 약칭 PSO로 최근 몇 년 동안 개발된 새로운 진화 알고리즘입니다.

((Evolu2tionary Algorithm - EA). PSO 알고리즘은 진화 알고리즘의 일종입니다. 유전 알고리즘과 유사하게도 무작위 솔루션에서 시작하여 반복을 통해 최적 솔루션을 찾습니다. 또한 평가됩니다. 적합성 솔루션의 품질은 우수하지만 유전자 알고리즘의 교차 및 돌연변이 연산이 없으며 현재 검색된 최적값을 따라 전역 최적값을 검색합니다. , 높은 정확도, 빠른 융합으로 학계의 주목을 받았으며, 실무 문제 해결에 있어 그 우수성을 입증했습니다.

최적화 문제는 산업 디자인에서 자주 발생하며, 그 중 상당수가 발생합니다. 결국 문제는 최적화 문제로 축소될 수 있습니다. 다양한 최적화 문제를 해결하기 위해 사람들은 많은 최적화 알고리즘을 제안해 왔는데, 가장 유명한 것은 언덕 오르기 방법, 유전 알고리즘 등입니다. 최적화 문제에는 두 가지 주요 문제가 있습니다. : 첫째, 전역적(global)을 찾는 것이 필요하다. 둘째, 언덕등반법은 정확도가 높지만 국소최소값에 빠지기 쉽다. 자연을 모방한 유전자 알고리즘은 선택, 교차, 돌연변이의 세 가지 기본 연산자를 사용합니다. 그러나 유전자 알고리즘의 프로그래밍 구현은 더 복잡합니다. 문제를 해독하려면 다른 세 가지 연산자의 구현에도 교차율, 돌연변이율 등 많은 매개변수가 있으며 이러한 매개변수의 선택은 문제에 심각한 영향을 미칩니다. 현재 이러한 매개변수의 선택은 주로 경험에 달려 있습니다. 1995년에 Eberhart 박사와 Kennedy 박사는 PSO(Particle Swarm Optimization) 알고리즘을 제안했습니다.

입자군집최적화(PSO) 알고리즘은 손쉬운 구현, 높은 정확성, 빠른 수렴 등의 장점으로 학계에서 큰 호응을 얻었습니다. 최근 개발된 알고리즘(Evolu2tionaryAlgorithm-EA)은 진화 알고리즘의 일종이자 유전 알고리즘이기도 합니다. 마찬가지로 무작위 솔루션에서 시작하여 반복을 통해 최적 솔루션을 찾습니다. 그러나 유전 알고리즘의 규칙보다 간단하며, 현재 검색된 최적값을 따라 전역 최적값을 찾습니다. >2. 유전 알고리즘

유전 알고리즘은 계산 수학에서 최적화를 해결하는 데 사용되며 진화 알고리즘의 일종으로 원래는 유전, 돌연변이, 자연 현상 등 진화 생물학의 일부 현상을 기반으로 개발되었습니다. 선택 및 혼성화. 유전 알고리즘은 일반적으로 시뮬레이션으로 구현됩니다. 최적화 문제의 경우 특정 수의 후보 솔루션(개체라고 함)의 추상적 표현(염색체라고 함) 집단이 더 나은 솔루션을 향해 진화합니다. 전통적으로 솔루션은 용어(예: 0과 1의 문자열)로 표현되지만 다른 표현도 가능합니다. 진화는 완전히 무작위적인 개체군에서 시작되어 세대에서 세대로 진행됩니다. 각 세대마다 전체 모집단의 적합도를 평가하고, 현재 모집단에서 여러 개체를 무작위로 선택하고(적합성을 기준으로) 자연 선택과 돌연변이를 통해 새로운 생명체 개체군을 생성하고 이를 다음 반복에 사용합니다. 알고리즘의 현재 인구가 됩니다.