周晓君

教授 博士生导师 硕士生导师

入职时间:2014-12-23

所在单位:自动化学院

学历:博士研究生毕业

办公地点:中南大学校本部民主楼316

性别:男

联系方式:+86-13787052648

学位:博士学位

在职信息:在职

毕业院校:澳大利亚联邦大学

学科:控制科学与工程
人工智能

理解状态转移算法的几种境界

发布时间:2020-11-24

点击次数:

状态转移算法是一种智能优化算法,那么如何正确理解状态转移算法呢?


皮毛都不懂的理解:状态转移算法把最优化问题的一个解当成一个状态,解的更新过程看成是状态转移过程。


略懂皮毛的理解:状态转移算法是包含旋转、平移、伸缩等状态变换算子的一种最优化算法。


懂点骨头的理解:状态转移算法是包含全局、局部和启发式搜索等多功能搜索算子的最优化算法。


骨髓里的理解:状态转移算法一种基于结构主义学习的智能优化算法,它抓住最优化算法的本质、目的和要求,以全局性、最优性、快速性、收敛性、可控性为核心结构要素进行算法设计与理论证明,需要什么才学习什么,具有很大的主动性和目的性。


介绍状态转移算法的简短阐述:传统的智能优化算法以行为主义模仿学习为主,通过模拟自然界生物进化机制、鸟群/鱼群觅食行为等,碰到什么就模仿学习什么,带有一定的机械性和盲从性,造成算法可扩展性差和容易陷入停滞点(非局部极值点,而是随机点)等问题。针对这些问题,我们原创性提出基于建构主义学习的新型智能优化方法-状态转移算法,借鉴状态、状态转移的概念及现代控制理论中状态空间表示法作为产生候选解的统一框架,以全局性、最优性、快速性、收敛性、可控性为结构要素进行算法设计,带有很强的目的性和主动性,能够依概率快速收敛到全局最优解,克服了目前传统智能优化算法容易陷入停滞点这一悬而未决的难题。





上一条: 人生的最优化问题