健之的头脑风暴
注册日期:
2003-6-21
上次登录:
邮件地址:
liukzg@gmail.com
兴趣领域:
人工智能,计算机科学,
健之的头脑风暴
2010-4-1 17:18:15 在AskMyself的专栏里看见了他以“一个文人眼中的Semantic web and ontology转载的姜奇平先生的文章“意义互联网与本体论”，让我颇生出些无端的感概。
姜先生站在文人的角度 ，对现今技术人和IT人最热衷、花费很多精力研究的语义网和本体论发表了自己的看法。其中心思想应该是”IT人经常割断与近百年主流思想发展的联系，在方法论上做从猿向人进化的无用功，Ontology就是一例”，“搜索引擎专家费了半天劲仍然没有上升到的境界，人家哲学家六十年前早就研究透了”。这其中的确反映了目前人工智能的技术方面的本体论的确借助了哲学上的本体论的基础。不过更让我兴趣的是这其中反映出哲学与技术、哲学与自然科学的关系，以及作为技术人应该采取的策略。
按照姜先生的意见，“IT人连六十年前维特根斯坦的水平都还达不到，最起码的思想疙瘩还没解开，谈更先进的思想又有什么用呢？所以我们还是从简单基础的地方补起”。我想想自己，也许算小半个技术人，虽然不会有什么技术上的成就，但即便关系小半个技术人的根本问题，我也不得不诚惶诚恐地想想这么重要的问题了。
不过左想右想，似乎和姜先生的思路有些出入。
哲学之于技术和自然科学，的确重要。哲学是我们认识世界，了解世界，进而掌握世界甚至控制世界，以及融洽世界与和谐世界的最基本和最根本的学问，也就是世界...
姜先生站在文人的角度 ，对现今技术人和IT人最热衷、花费很多精力研究的语义网和本体论发表了自己的看法。其中心思想应该是”IT人经常割断与近百年主流思想发展的联系，在方法论上做从猿向人进化的无用功，Ontology就是一例”，“搜索引擎专家费了半天劲仍然没有上升到的境界，人家哲学家六十年前早就研究透了”。这其中的确反映了目前人工智能的技术方面的本体论的确借助了哲学上的本体论的基础。不过更让我兴趣的是这其中反映出哲学与技术、哲学与自然科学的关系，以及作为技术人应该采取的策略。
按照姜先生的意见，“IT人连六十年前维特根斯坦的水平都还达不到，最起码的思想疙瘩还没解开，谈更先进的思想又有什么用呢？所以我们还是从简单基础的地方补起”。我想想自己，也许算小半个技术人，虽然不会有什么技术上的成就，但即便关系小半个技术人的根本问题，我也不得不诚惶诚恐地想想这么重要的问题了。
不过左想右想，似乎和姜先生的思路有些出入。
哲学之于技术和自然科学，的确重要。哲学是我们认识世界，了解世界，进而掌握世界甚至控制世界，以及融洽世界与和谐世界的最基本和最根本的学问，也就是世界...
2006-12-22 17:13:07 2004-2-27 22:59:06 诸位看了我上载的关于连续蚁群算法的文章吗？在面对常规的连续优化问题，个人觉得应该还有一些效果。但这种连续方法如何应用于传统的TSP离散问题呢？我想了半天，似乎还没有想到一个较好的办法。我实验了一个方法，设有n个城市的TSP问题，则取F(X)为n为维函数，其n维自变量的取值范围为[1,n]，当有任意变量X(x1,x2,...,xn)，对其分量取整，则分量构成城市号{c1,c2,...,cn}，则可以计算一巡回距离F(X)。当然，若c1,c2,...,cn中有相同者，则对F(X)增加惩罚值，从而构成离散TSP问题的连续算法。但求解效果并不好，我想，这说明，对于多维优化问题，其优化难度增加很大，如在我上载的文章中对于Griewangk函数，当它在2D时，优化效果非常好，几乎全都找到了全局最优，但3D的全局最优急剧减少，4D则没有一个全局最优。如何解决这个问题呢？思考一下传统的蚁群算法问题，由于采用离散化的方法，实际上其问题的解决基本上被压缩到2D问题空间中，但这种压缩方法太特殊，不具有通用性，如何构造一个具有通用性的压缩方法，并将其用到连续问题中去呢？...
2003-10-12 18:36:53 下面是我最近刚写的一篇关于蚁群的文章，用Word2000写的，先贴到这里，大家提提意见。但可能公式等不能正确显示，没办法。 0．引言蚁群算法是由意大利学者Dorigo M等首先提出的一种模拟蚂蚁行为进行优化的新的启发式优化算法。同其它进化算法一样，它具有群体智能算法的许多优越性，已经成功地应用于TSP问题[1]，指派问题[2]，Job-shop问题[3]。目前，在蚁群算法的研究方面已取得了一些研究成果，但如何将蚁群算法应用于连续空间，仍是蚁群算法研究热点和没有完全解决的问题。本文通过对关于TSP问题的基本蚁群算法的讨论，初步分析了构造一个通用的，应用于连续空间的蚁群算法的几个关键问题，并进一步提出了一个通用连续空间蚁群算法的基本框架，对该方面问题的深入研究有积极意义。1．基本蚁群算法在自然界中，单个的蚂蚁个体行为极为简单，但由多个蚂蚁所组成的群体却成功地在搜寻食物等方面表现出复杂的行为。通过研究发现，蚂蚁个体之间通过一种称为外激素(pheromone)的物质进行信息传递，蚂蚁在移动过程中通过感知遗留在路上的该种物质来指导自己的运动方向，并在自己经过的路径上留下该类物质。这样，大量蚂蚁所组成的群体便构成了一种信息正反馈，从而成功地实现了食物搜索，最短路径选择等行为。蚁群算法正是通过模拟蚂蚁的这种行为来达到目的。我们以求解n城市的TSP问题为背景来说明基本的蚁群算法。设m为蚁群中蚂蚁的数量，n为旅行商要走过的城市数，dij(i,j=1,2,3,…,n)为城市i到j的距离，bi(t)为t...
2003-7-17 9:53:42 2003-7-8 8:49:39 这是一个微粒群程序使用的例子，给大家参考参考#include "PSO.h"#include #include //派生自己的PSO类class MyPSO : public PSO{public:MyPSO(int d, int n):PSO(d, n){};//构造函数，给出微粒维数和微粒个数double GetFit(PARTICLE &p)//适合度计算方法，必须定义{//函数:Schaffer′s F6double f6;f6 = 1+0.001*(p.X[0]*p.X[0]+p.X[1]*p.X[1]);f6 *= f6;f6 = 0.5-(sin(sqrt(p.X[0]*p.X[0]+p.X[1]*p.X[1]))* sin(sqrt(p.X[0]*p.X[0]+p.X[1]*p.X[1]))-0.5)/f6;return f6;}};//定义通讯函数bool MyCom(double fit, double *op, double**,int){static long sn=1;cout<<"No="<
2003-7-1 21:25:42 我写的基本微粒群算法程序,大家可以试用一下.多提宝贵意见程序可以用VC编译.其实其中主要是用到了VC的随机函数发生器,其他应该是通用的C++语法.//PSO头文件PSO.hpp如下://Header __PSO_H//Purpose Provide a class for particle swarm optimization//Platform Visual C++ 7.0//Date 2002.4.29//Author Liu Kang//群微粒算法：本算法用群微粒算法求目标函数的最大值//本算法使用步骤// （1）派生自己的群微粒类，类中必须定义double GetFit(PARTICLE&)方法，用来计算每个微粒的适合度// （2）生成派生类实例，并在构造函数中指明微粒坐标维数和群体个数// （2）设置微粒坐标上界数组和下界数组，并用SetXup与SetXdown设置微粒坐标上下界// （3）用SetVmax方法设置微粒最大速度// （4）设置可选参数：C1，C2，W和通讯函数// （5）采用Run方法进行优化运算，优化后用GetBest方法获得最优个体适合度和坐标#ifndef __PSO_H#define __PSO_H//微粒类class PARTICLE{public:double *X; //微粒的坐标数组double *V; //微粒的速度数组double *XBest; //微粒的最好位置数组int Dim; //微粒的维数double Fit; //微粒适合度double FitBest; //微粒最好位置适合度//构造函数PARTICLE(); //空构造函数PARTICLE(int n); //维数为参数的构造函数//析构函数~PARTICLE();void SetDim(int d); //设置微粒的维数};//定义群粒子类class PSO{protected:PARTICLE *Particle; //微粒群数组int PNum; //微粒个数int GBestIndex; //最好微粒...