智能优化算法课程重点_在线真题试卷与模拟练习_智能优化算法课程重点_考试宝

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 0 / 0

随机练习 自定义设置练习量

题型乱序 按导入顺序练习

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

请根据以下代码写出注释： % 设置求解参数 m = 30; % 蚂蚁个数 alpha = 2; % 信息素因子 beta = 4; % 启发因子 rho = 0.02; % 信息素挥发系数 tau0 = 1/(34*150); % 信息素初始值 Tmax = 200; % 最大迭代次数 Q = 0.01; % 信息素强度

请根据以下代码写出注释： c1 = 2; % 自我认知学习因子 c2 = 2; % 社会认知学习因子 w = 1; % 惯性权重 vmax =30; % 最大飞行速度 popSize=50; % 种群规模 gen=150; % 最大迭代次数 dim =2; % 决策变量数量

请根据以下代码写出注释： xu=5;%解的上界 xl=-5;%解的下界 L=randi([1,5 10]); %禁忌长度取5至10之间的随机数 C=10;%邻域解个数 Gmax=300;%禁忌搜索算法的最大迭代次数 w=1;%自适应权重系数 tabu=[];%禁忌表

请根据以下代码写出注释： x0=rand(1,2)*(xu-xl)+xl; %随机产生初始解 xbest.key=x0; %最优解 xnow(1).key=x0; %记录当前解变化 trace(1).key=x0;%记录最优解变化 xbest.value=func(xbest.key);%最优函数值 xnow(1).value=func(xnow(1).key);%记录当前函数值变化 trace(1).value=func(trace(1).key);%记录最优函数值变化

请根据以下代码写出注释： NP = 50; %种群规模 L = 10; %物品件数 Pc = 0.8; %交叉率 Pm = 0.05; %变异率 G = 100; %最大遗传代数 V = 300; %背包容量 C = [95,75,23,73,50,22,6,57,89,98]; %物品体积 W = [89,59,19,43,100,72,44,16,7,64]; %物品价值 afa = 2; %惩罚函数系数 f = randi([0,1],NP,L); %随机获得初始种群

请根据以下代码写出注释： NP=50; %种群数量 L=20; %二进制数串长度 Pc=0.8; %交叉率 Pm=0.1; %变异率 G=100; %最大遗传代数 Xs=10; %上限 Xx=0; %下限 f=randi([0,1],NP,L); %随机获得初始种群

请根据以下代码写出注释： N=100; %群体粒子个数 D=10; %粒子维数 T=200; %最大迭代次数 c1=1.5; %学习因子1 c2=1.5; %学习因子2 w=0.8; %惯性权重 Xmax=20; %位置最大值 Xmin=-20; %位置最小值 Vmax=10; %速度最大值 Vmin=-10; %速度最小值

请根据以下代码写出注释： m=20; %蚂蚁个数 G_max=200; %最大迭代次数 Rho=0.9; %信息素蒸发系数 P0=0.2; %转移概率常数 XMAX= 5; %搜索变量x最大值 XMIN= -5; %搜索变量x最小值 YMAX= 5; %搜索变量y最大值 YMIN= -5; %搜索变量y最小值

请根据以下代码写出注释： xu=5; %上界 xl=-5; %下界 L=randi([5 11],1,1); %禁忌长度取5,11之间的随机数 Ca=5; %邻域解个数 Gmax=200; %禁忌算法的最大迭代次数；

遗传算法的三大核心遗传算子（选择、交叉、变异）中，哪个算子是生成新个体的主要方式？该算子的基本操作逻辑是什么？

遗传算法中设置变异概率时，通常会选择较小的数值（例如 0.001-0.1），请说明为什么不建议将变异概率设置得过大？

差分进化算法中，个体采用什么形式编码？与遗传算法的二进制编码相比有何优势？

请对比差分进化算法的 “二项式交叉” 和 “指数交叉”，说明它们在交叉位置选择上的差异。

差分进化算法的种群规模$$ N $$为什么需要满足$$ N \geq 4 $$？

蚁群系统（ACS）相比蚁周模型（AS），在信息素更新上有什么不同？

最大 - 最小蚂蚁系统（MMAS）为什么要限制信息素的范围？

蚁群算法中，信息素挥发系数$$ \rho $$的作用是什么？

标准粒子群优化算法（SPSO）比基本粒子群优化算法（BPSO）多了哪个关键参数？其作用是什么？该参数过大或过小有何影响？

MOPSO 的外部存档集满，且新非支配解与存档集中解互不支配时，如何处理？

本题无具体题型重点，掌握第六章粒子群优化算法中，网格下边界$$ lb_k $$、上边界$$ ub_k $$、网格宽度$$ d_k $$和网格坐标$$ G_k(x) $$的计算方法，在答题纸上，不要忘记写相应公式，不要省去计算步骤，否则可能影响得分。基于自适应网格的外部存档集建立： - 外部存档集中非支配解集记为$$\text{AP}$$，目标空间中每个维度上网格的划分数为$$div$$，根据$$div$$对外部存档集所在的目标空间进行网格划分。 - 网格在第$$k$$个维度上的下边界和上边界的计算方法分别为： $$ lb_k = \min_k(\text{AP}) - \frac{(\max_k(\text{AP}) - \min_k(\text{AP}))}{2 \times div} \tag{6-14} $$ $$ ub_k = \max_k(\text{AP}) + \frac{(\max_k(\text{AP}) - \min_k(\text{AP}))}{2 \times div} \tag{6-15} $$ 式中，$$\min_k(\text{AP})$$和$$\max_k(\text{AP})$$分别表示外部存档集中所有非支配解在第$$k$$个维度上的最小值和最大值。 - 第$$k$$个维度上小超立方体的宽度$$d_k$$的计算方法如下式所示： $$ d_k = \frac{(ub_k - lb_k)}{div} \tag{6-16} $$ - 在划分好的网格空间内，每个非支配解都拥有自己的网格坐标，计算方法如式（6-17）所示： $$ G_k(x) = \text{floor}\left( \frac{f_k(x) - lb_k}{d_k} \right) \tag{6-17} $$ 式中，$$G_k(x)$$表示非支配解$$x$$在第$$k$$个目标上的网格坐标；$$f_k(x)$$表示非支配解$$x$$在第$$k$$个目标上的函数值；$$\text{floor}()$$表示向下取整函数。请结合具体的$$\text{AP}$$集合和$$div$$值，计算网格下边界$$lb_k$$、上边界$$ub_k$$、网格宽度$$d_k$$和网格坐标$$G_k(x)$$（需写出公式并展示计算步骤）。【缺少答案，请补充】

1