《組合最佳化問題的機器學習求解方法》是2019年11月科學出版社出版的圖書，作者是郭田德、韓叢英、唐思琦。
《組合最佳化問題的機器學習求解方法》是2019年11月科學出版社出版的圖書，作者是郭田德、韓叢英、唐思琦。1圖書簡介 圖書簡介：《組合最佳化問題的機器學習求解方法》對組合最佳化的機器學習求解方法進行了闡述。《組合最佳化問題的機...
(4)啟發式的機率搜尋方式不容易陷入局部最優，易於尋找到全局最優解。套用 該算法套用於其他組合最佳化問題，如旅行商問題、指派問題、Job—shop調度問題、車輛路由問題、圖著色問題和網路路由問題等。最近幾年，該算法在網路路由中的套用...
現有核方法研究沒有給出機器學習本質意義的且計算高效的模型選擇與組合方法，往往採用在核模型構造後利用測試數據或驗證數據來最佳化模型參數的實驗方法。本項目研究核方法模型選擇與組合的核矩陣近似分析方法。首先，顯式地構造稠密且計算高效...
書中全面介紹了各種情形下的加速一階最佳化算法，包括確定性和隨機性的算法、同步和異步的算法，以求解帶約束的問題和無約束的問題、凸問題和非凸問題，對算法思想進行了深入的解讀，並對其收斂速度提供了詳細的證明。 本書面向機器學習和...
雖然算法在模型改進、理論分析、套用拓展等方面取得了較大的進展，但是仍存在一些問題有待進一步研究，如參數設定、避免早熟收斂以及解性能評價等。本項目擬將複雜網路和機器學習等思想引入群體智慧型最佳化算法設計中，提出一種基於問題特徵的學習...
問題定義 SMO算法主要用於解決支持向量機目標函式的最最佳化問題。考慮數據集 的二分類問題，其中 是輸入向量， 是向量的類別標籤，只允許取兩個值。一個軟邊緣支持向量機的目標函式最最佳化等價於求解以下二次規劃問題的最大值：滿足：其...
（1）機器學習是一門人工智慧的科學，該領域的主要研究對象是人工智慧，特別是如何在經驗學習中改善具體算法的性能。（2）機器學習是對能通過經驗自動改進的計算機算法的研究。（3）機器學習是用數據或以往的經驗，以此最佳化電腦程式的性能...
它尤其適用於處理傳統搜尋方法難於解決的複雜和非線性問題，可廣泛用於機器學習、組合最佳化、規劃設計、自適應控制和人工生命等領域，是21世紀有關計算智慧型中的關鍵技術之一。對蟻群算法的研究，可以從算法和套用兩方面進行研究。不斷有學者...
本書對最佳化算法的理論和研究進展進行了系統的梳理，旨在幫助讀者快速了解該領域的發展脈絡，掌握必要的基礎知識，進而推進前沿研究工作。本書首先介紹流行的機器學習模式，對重要的最佳化理論進行回顧，接著重點討論已廣泛套用於最佳化的算法，以及...
本項目的實施有助於充實群體智慧型的理論基礎，促進群體智慧型與機器學習的學科交叉，同時有望為衛星測控資源調度問題提供一套切實可行的解決方案。結題摘要 本項目採用機器學習的思想和方法，通過系統分析群體智慧型最佳化算法在求解歷史實例時所積累...
1.1 機器學習的基本定義 1 1.2 機器學習的基本術語 2 1.3 機器學習算法的分類 3 1.3.1 監督學習與無監督學習 3 1.3.2 分類問題與回歸問題 4 1.3.3 生成模型與判別模型 5 1.3.4 強化學習 6 1.4 機器學習模型的評價...
1.2 機器學習的基本術語 2 1.3 機器學習算法的分類 3 1.3.1 監督學習與無監督學習 3 1.3.2 分類問題與回歸問題 4 1.3.3 生成模型與判別模型 5 1.3.4 強化學習 6 1.4 機器學習模型的評價指標 6 1.4.1 模型的泛化...
與常規算法相比,遺傳算法具有算法簡單,對目標函式不要求可導可微,處理離散變數 方便,能夠獲得全局最優解等優點,已被人們廣泛地套用於組合最佳化、機器學習、信號處理、自適應控制和人工生命等領域。文獻提出該算法存在疊代次數多,計算時間長等...
在求解較為複雜的組合最佳化問題時,相對一些常規的最佳化算法,通常能夠較快地獲得較好的最佳化結果。遺傳算法已被人們廣泛地套用於組合最佳化、機器學習、信號處理、自適應控制和人工生命等領域。簡介 遺傳算法的起源可追溯到20世紀60年代初期。1967...
5.6.1 最佳化算法求解機器學習問題的一般模式 5.6.2 支持向量機的動機與基本概念 5.6.3 線性可分支持向量機 5.6.4 軟間隔最大化 5.7 參考文獻 第6章 機率模型 6.1 隨機變數及其分布 6.1.1 機率的基本概念 6.1.2...
遺傳算法是基於生物進化的原理髮展起來的一種廣為套用的、高效的隨機搜尋與最佳化的方法。其主要特點是群體搜尋策略和群體中個體之間的信息交換，搜尋不依賴於梯度信息。蟻群算法是群體智慧型可用於解決其他組合最佳化問題,比如有n個城市，需要對...
