← 返回刚才阅读的位置

知识卡片

结构图卡 · 3744.j.1.a · 生成模型:未记录

高斯核采样

理解等级:中级

连续ACO按候选质量选择模型蚂蚁,用其坐标作为各维高斯中心,再根据群体离散程度设宽度、采样新参数。中心偏向已有好解,宽度保留周围探索。候选需重新评价并另存历史最佳,不能用当前位置替代已找到的最好记录。

结构图:

flowchart TD
 A[按质量选择模型候选] --> B[取坐标作中心]
 B --> C[由群体差异设宽度]
 C --> D[逐维随机采样]
 D --> E[评价并保存历史最佳]
这张卡片看不懂?

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 7.2.2 蚂蚁移动 · 查看原书依据

      每只蚂蚁会朝着它的模型蚂蚁的参数移动。 我们将使用每个模型蚂蚁的解向量分量,作为随机高斯采样的平均值。我们还需要一个标准差来生成高斯随机采样。公式7-6计算了标准差。 (7-6) 该公式与实际计算采样标准差的公式相似。但

    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“7.2.2 蚂蚁移动”(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_100) - 结论依据:原文选择模型、设均值、计算宽度和历史最好保存的描述支持流程。 - 原始内容:每只蚂蚁会朝着它的模型蚂蚁的参数移动。 我们将使用每个模型蚂蚁的解向量分量,作为随机高斯采样的平均值。我们还需要一个标准差来生成高斯随机采样。公式7-6计算了标准差。 (7-6) 该公式与实际计算采样标准差的公式相似。但