智能演算法學習筆記

『壹』 智能演算法的智能演算法概述

智能優化演算法要解決的一般是最優化問題。最優化問題可以分為（1）求解一個函數中，使得函數值最小的自變數取值的函數優化問題和（2）在一個解空間裡面，尋找最優解，使目標函數值最小的組合優化問題。典型的組合優化問題有：旅行商問題（Traveling Salesman Problem，TSP），加工調度問題（Scheling Problem），0－1背包問題（Knapsack Problem），以及裝箱問題（Bin Packing Problem）等。
優化演算法有很多，經典演算法包括：有線性規劃，動態規劃等；改進型局部搜索演算法包括爬山法，最速下降法等，本文介紹的模擬退火、遺傳演算法以及禁忌搜索稱作指導性搜索法。而神經網路，混沌搜索則屬於系統動態演化方法。
優化思想裡面經常提到鄰域函數，它的作用是指出如何由當前解得到一個（組）新解。其具體實現方式要根據具體問題分析來定。
一般而言，局部搜索就是基於貪婪思想利用鄰域函數進行搜索，若找到一個比現有值更優的解就棄前者而取後者。但是，它一般只可以得到「局部極小解」，就是說，可能這只兔子登「登泰山而小天下」，但是卻沒有找到珠穆朗瑪峰。而模擬退火，遺傳演算法，禁忌搜索，神經網路等從不同的角度和策略實現了改進，取得較好的「全局最小解」。

『貳』 智能優化算法學習的問題

你搜搜雷秀娟的群智能演算法書吧，她上面關於PSO的改進都可以借鑒到其他方法中。我覺得是挺有價值的~

『叄』 機器學習該怎麼入門

當初學者開始學習機器時，科多大數據相信大家首先會問「門檻是什麼？需要了解什麼才能開始從事這一行？

一旦初學者開始嘗試了解這個問題，經常發現善意但令人沮喪的建議，如下所示：

你需要掌握數學，以下是清單：
- 微積分
- 微分方程
- 數學統計
- 優化
- 演算法分析
...

像這樣的回復足以令任何人都感到恐懼，即使具有一定的數學專業基礎。
猜想很多初學者會被這樣的建議嚇倒，其實所需要的數學知識比你想像的少（至少比你被告知的要少）。如果有興趣成為機器學習從業者，那麼你不需要很多高級數學知識也可以開始。
但要說沒有任何門檻那也不是。事實上，即使沒有對微積分和線性代數的高度理解，也有其他門檻。

數學不是機器學習的主要前提

如果是初學者，而目標是在行業或企業中處理問題，那麼數學不是機器學習的主要先決條件。
到目前為止，你聽到的關於機器學習的大多數建議是來自在學術領域里從事數據科學的專家。
在學術領域，你經常會被鼓勵學術研究和寫報告，當你的研究領域是機器學習，那麼你的確需要深入了解機器學習的統計學和數學基礎。
在工業領域，在大多數情況下，主要的追求不是發明創造(造輪子)和寫報告。企業真正追求的是否能創造商業價值。在大多數時候，尤其剛起步階段，你會應用「現成」工具就足夠了。這時候你會發現，這些工具對數學的要求並沒有你想像的那麼高。

「現成的」工具數學要求並不高

幾乎所有常見的機器學習庫和工具都會為你處理困難的數學問題，也就是說不一定需要知道線性代數和微積分才能從事機器學習工作。

再次強調這一點：現代統計學和機器學習軟體可以為你處理大量的數學問題。

對於初學者來說，機器學習涉及的數學知識深似海，了解深海領域的數學知識既不需要也沒必要。
當然這些工具不能替你把所有的事都幹了。你仍然需要動手實踐才能掌握這些工具。

如果要開始學習機器，需要學習的真正的必備技能就是數據分析。

對於初學者（不管你是軟體工程師還是來自其他領域的從業者），你不需要知道很多微積分、線性代數或其它任何大學級數學知識就可以完成這些任務。
但數據分析能力卻是必不可少的，數據分析是你完成工作所需的第一個技能，這才是機器學習初學者真正需要必備的能力。

數學是重要的，但不是對入門者的

數學很重要，特別是在某些情況下，數學是非常重要的。
首先，如果你是在學術領域中進行機器學習研究，數學很重要；第二，在行業領域中，數學對於一小部分高級數據分析師/數據科學家也是重要的。特別是像Google和Facebook這樣的公司，他們走在前沿，正在使用機器學習領域的尖端工具，這些人會在他們的工作中經常使用微積分、線性代數和更高級的數學。

初學者學習機器學習也是需要數學的，要開始學習機器學習，入門級你至少需要本科基礎數學技能。你還需要了解基本統計知識，如：平均值，標准偏差，差異等等。

『肆』 智能演算法的智能演算法研究

這些演算法都有什麼含義？首先給出個局部搜索，模擬退火，遺傳演算法，禁忌搜索的形象比喻：
為了找出地球上最高的山，一群有志氣的兔子們開始想辦法。
1．兔子朝著比現在高的地方跳去。他們找到了不遠處的最高山峰。但是這座山不一定是珠穆朗瑪峰。這就是局部搜索，它不能保證局部最優值就是全局最優值。
2．兔子喝醉了。他隨機地跳了很長時間。這期間，它可能走向高處，也可能踏入平地。但是，他漸漸清醒了並朝最高方向跳去。這就是模擬退火。
3．兔子們吃了失憶葯片，並被發射到太空，然後隨機落到了地球上的某些地方。他們不知道自己的使命是什麼。但是，如果你過幾年就殺死一部分海拔低的兔子，多產的兔子們自己就會找到珠穆朗瑪峰。這就是遺傳演算法。
4.兔子們知道一個兔的力量是渺小的。他們互相轉告著，哪裡的山已經找過，並且找過的每一座山他們都留下一隻兔子做記號。他們制定了下一步去哪裡尋找的策略。這就是禁忌搜索。

『伍』 智能演算法

智能信息處理研究方向

一、 科研方向意義
智能信息處理是人工智慧（AI）的一個重要研究領域。在世界各地對人工智慧的研究很早就開始了，當計算機出現後，人類開始真正有了一個可以模擬人類思維的工具，而人工智慧也始終是計算機科學的前沿學科，計算機編程語言和其它計算機軟體都因為有了人工智慧的進展而得以存在。80年代初，在美國、日本、接著在我國國內都掀起了一股研究神經網路理論和神經計算機的熱潮，並將神經網路原理應用於圖象處理、模式識別、語音綜合及機器人控制等領域。隨著理論研究的不斷深入和應用領域的迅速擴大，近年來智能信息處理成了人工智慧的一個熱門研究方向，我國各高等院校都成立了關於智能信息處理的研究機構。他們立足於信息處理技術的基礎研究和應用，積極地將數學、人工智慧、邏輯學、認知科學等領域最新研究成果應用於各種信息的智能處理，在模式識別與人工智慧、資料庫與數據倉庫的挖掘技術、信息網路安全與數據保密技術等方面取得了較好的研究成果，在帶動其院校學科建設的同時，也努力擴大了信息技術在國民經濟各領域的應用，提高了信息處理技術的社會效應和經濟效益。
二、主要研究方向
模式識別與人工智慧
數據挖掘演算法
優化決策支持系統
商用智能軟體
三、研究目標
以促進本學科的建設為目標，加強智能理論的研究，並側重智能系統的開發應用工作。在理論上，配合本碩學生的教學工作，在模式識別與人工智慧、數據挖掘和智能演算法等方面進行深入研究，取得比較深入的理論研究成果，從而使學生掌握這方面最新的知識理論，為他們在以後的研究和工作中打下堅實的基礎，進一步可以獨立研究並取得更大的成就。在智能應用上，我們要根據現有的基礎條件，進一步加強梯隊人員和素質的建設，形成一支結構合理、充滿活力、人員穩定的研究隊伍；建立並擴展與外界的合作關系，將最新的理論研究成果轉化為生產力，開發出企業急需的、先進的智能控制和信息處理軟體系統，從而在為社會做貢獻的同時提高我校的聲譽，有利於我校的招生和就業。本方向的研究工作還會促進學生實驗實踐環節的質量，從根本上提高畢業生的素質。

『陸』 哪位大神有《matlab智能演算法超級學習手冊》這本書的pdf文件

http://hi..com/zhjstef/blog/item/a35c1a4b16d6ad2409f7ef9e.html
裡面的第一個就是清晰版pdf