知识卡片
离散连续两用
离散ACO构造图上的节点路径,信息素对应边;连续ACO把一个候选表示为数值参数向量,通过概率分布采样新位置。二者共享经验引导搜索的思想,但状态和更新方式不同,不能只把城市编号换成浮点数就完成迁移。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 蚁群优化 7.2 连续蚁群优化 · 查看原书依据
与离散ACO不同,我们不会将向量的每个分量视为蚂蚁路径中的一步。对于连续ACO,每个分量都是蚂蚁的高维位置的一部分。迭代将每个蚂蚁移动到由概率密度函数(Probability Density Function,PDF)生
参考来源
- 位置:《人工智能算法(卷2):受大自然启发的算法》第7章《蚁群优化》,原书小节“7.2 连续蚁群优化”(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/人工智能算法(卷2):受大自然启发的算法/_epub-src/OEBPS/Text/chapter007.html#nav_point_98)
- 结论依据:原文明确比较每分量是路径步骤还是高维位置,并解释连续采样。
- 原始内容:与离散ACO不同,我们不会将向量的每个分量视为蚂蚁路径中的一步。对于连续ACO,每个分量都是蚂蚁的高维位置的一部分。迭代将每个蚂蚁移动到由概率密度函数(Probability Density Function,PDF)生