Transcript Document
社会情感优化算法
崔志华
太原科技大学计算机学院
大纲
群智能算法
社会情感优化算法
情感的随机选择策略
基于情感强度第一定律的情绪调整策
略
基于情感计算的社会情感优化算法
应用
群智能算法简介
群智能定义
任何启发于群居性昆虫群体和其他动物群
体的集体行为而设计的算法和分布式问题
解决装置都称为群智能。
Bonabeau E, Dorigo M, Theraulaz G. Swarm
Intelligence: From Natural to Artificial Systems.
New York: Oxford University Press,1999
群智能特点
群体中相互合作的个体是分布的;
没有中心控制,具有鲁棒性;
可以通过个体之间的通信进行合作,从而
具有良好的可扩充性;
单个个体能力较为简单,实现方便,具有
简单性。
常见的群智能算法
蚁群算法(Ant Colony Optimization, ACO)
Dorigo M,Birattari M and Stutzle T. Ant colony
optimization-artificial ants as a computational
intelligence technique. IEEE Computational
Intelligence Magazine,2006,1(4): 28-39
蚁群算法原理说明
常见的群智能算法(续)
微粒群算法(Particle Swarm Optimization, PSO)
Eberhart, R. C. and Kennedy, J. A new optimizer using
particle swarm theory. Proceedings of the Sixth
International Symposium on Micromachine and
Human Science, Nagoya, Japan. pp. 39-43, 1995
曾建潮,介婧,崔志华. 微粒群算法. 北京:科学出版社,
2004。(CNKI他引达到564次,2010.7)
微粒群算法
Boids模型的三个规则-靠近
(Cohesion)
Boids模型的三个规则-对齐
(Alignment)
Boids模型的三个规则-避免碰撞
(Seperation)
社会情感优化算法
分析
动物群体智能较低,难以有效的进行决策;
人类群体通过人与人之间的合作与竞争来
促进经济发展、文化交流、社会进步;
人们之间的交流随着时间、地点的不同而
发生变化,这使得人类群体具有自组织、
自学习、自适应等智能特性;
人:情绪与决策
七情六欲 :喜、怒、哀、乐、爱、憎、恨 ;
决策:趋利避害;
(1)个体察觉和意识到自身的情绪,认同自己的能
力,采取某些策略,反馈给环境。
(2)个体能够从环境(即其他个体与社会)发出的
信息来做出相应的反应,表达出某种情绪,影响
自己的决策。
(3)个体为了适应整个环境,不断对自己的情绪进
行调节,从而向着整体最好的方向前进。
思路
价值最大化
算法介绍
情绪:
(1)低落
(2)平和
(3)兴奋
情绪指数
随着情绪的变化,指数从低到高变化;
算法介绍-情绪低落
行为趋于保守,规避风险;
按照个人经验进行决策;
算法介绍-情绪平和
能够冷静思考, 学习积极性提高,除了自我
学习外还会向整个群里历史最好评价的个体
学习,因此其行为更倾向于学习而非规避 :
算法介绍-情绪兴奋
学习的渴望非常强烈,而忽略群体历史较
差评价的负面影响,只考虑外界环境的中
的最好评价:
算法介绍-情绪调整策略
社会评价没有增长,情绪会逐步低落,故
社会评价最优,情绪会迅速上升,变为兴
奋:
算法流程
初始化
计算每个个体的社会评价值
更新个体最优
个体调节情绪
更新群体最优
是否满足终止条件
NO
YES
输出
实验结果
Rosenbrock (Left)
Griewank (Right)
5
10
Average Best Fitness
SPSO
TVAC
SEOA
0
10
-5
10
0
5000
10000
Generation
15000
情感的随机选择策略
分析
情绪调整:线性更新的模式 ;
情绪变化的不确定性:
(1)决策的反馈;
(2)环境的反馈;
(3)随机事件;
正态分布
基于正态分布的情绪调整策略
均值为0
Cauchy分布
Levy分布
由于自然界中许多动物在觅食及捕食过程
中遵循Levy分布,因此,现在已经有些学者
将Levy分布应用于自然计算,此外相关研究
表明Levy分布在金融领域也有着广泛的应用。
实验结果
维数
算法
均值
方差
SPSO
2.8960e+000
3.1470e-001
TCAC
7.6696e-001
3.1661e-001
SEOA
5.0367e-005
2.1377e-005
SEOA-ND
9.4034e-013
4.6274e-013
SEOA-LD
1.1343e-007
1.1848e-007
SEOA-CD
8.4075e-013
1.3448e-013
300
基于情感强度第一定
律的情绪调整策略
情感强度第一定律
从价值论及美学角度而言,情感与价值的
关系在本质上就是主观与客观的关系:
(1)价值决定情感;
(2)情感影响价值;
文献:
(a)仇德辉著,统一价值论,中国科学技术
出版社,1998年
(b)傅谨著,感性美学,北京师范大学,
1997年
情感强度第一定律(续)
情感强度与事物的价值率高差的对数成正
比:
当情感强度很小时,情感强度与价值率高
差近似地成正比;
当情感强度很大时,情感强度与价值率高
差的对数成正比;当价值率高差为0时。
情感发生的价值解释
当事物的价值率高差大于零时,人通常会产生正
向情感(如满意、愉快、信任等),价值率高差
的绝对值越大,从而诱导、调节和控制人的各种
活动不断趋向于该事物,以不断扩大其作用规模;
当事物的价值率高差小于零时,人通常会产生负
向情感(如失望、痛苦、顾虑等),价值率高差
的绝对值越大,负向情感的强度就越大,从而诱
导、调节和控制人的各种活动背离该事物。
基于情感强度第一定律的情感调整
策略
情感指数按下式计算
基于情感强度第一定律的情感调整
策略(续)
当个体的社会评价值与群体平均社会评价
值相等时,个体受外界的刺激强度很小,
情感波动也几乎为零,此时个体比较安于
现状;
当个体的社会评价值大于群体平均社会评
价值时,个体趋向于正向情感,此时个体
的情感强度指数变大,指导个体做出积极
的行为选择;
随机期望值模型的应用
x312
算法
最优值
GA
3.56
SEOA_Modified
3.32
基于情感计算的社会
情感优化算法
情感计算
与情感有关、由情感引发或者能够影响情
感的因素的计算 (Picard);
威廉_冯特提出了情感的三维说,他认为情
绪由愉快-不愉快、激动-抑制和紧张-松弛三
个维度组成,每个维度都在对立的两极之
间变化;
情感变化模型
--情感计算模型
情感更新模式
个体的情感会在三维情绪空间内受不同刺激信号
后根据不同的情绪变化的概率矩阵发生变化。这
里的刺激信号分别为为“奖励”、“惩罚”和
“恐吓”,因此引入情绪变化模型的社会情感优
化算法的情感集为:
情绪更新矩阵
无功优化问题介绍
无功优化是一个多约束的非线性规划问题,
合理的无功调度和控制能有效的降低网络
中的有功损耗、改善电压质量及电压稳定
性,从而提高电力系统运行的安全性、稳
定性及经济性。
无功优化问题介绍(续)
(1)目标函数
(2)约束条件
实验-IEEE57
实验-IEEE118
应用-团簇优化问题
Lennard-Jones 势函数
团簇又称作微团簇,包括原子团簇和分子
团簇,是由几个至上万个原子、分子或离
子通过物理或化学作用力结合成相对稳定
的微观或亚微观聚集体。
LJ团簇的原子数与对应的局部极值
个数
常见的LJ团簇优化结构
基于种子技术的社会情感优化算法
LJ原子团簇的结构有:二十面体、Mark十面
体、截角八面体、Leary四面体,其中只有
LJ38是截角;
一般采用比待优化的原子团簇小一个(或
几个)原子的最优结构作为初始构型,进
行优化;
基于种子技术的社会情感优化算法
(续)
2012年无线及移动计算国际研讨会
http://www1.tyust.edu.cn/yuanxi/yjjg/iwmwc2
012/iwmwc2012.htm
截止日期:2011.11.5
谢
谢!