基于記憶原理的智能體識別、尋優(yōu)和自治行為研究.pdf

1、隨著計算機技術(shù)的迅速發(fā)展和廣泛應(yīng)用，越來越多的專家學(xué)者投身于智能研究領(lǐng)域，特別是智能識別、智能優(yōu)化以及人工生命都是近年來被廣泛關(guān)注的研究熱點。在此背景下，本文通過對生物記憶原理進(jìn)行分析研究，將人類大腦特有的記憶功能引入到計算機應(yīng)用中，根據(jù)目標(biāo)問題建立具體的理論和數(shù)學(xué)模型及算法，為解決計算機智能識別、尋優(yōu)及人工智能體自治行為研究等實際應(yīng)用問題提供切實可行的解決方案。
　　 首先，本文對現(xiàn)有記憶理論進(jìn)行分析并加以改進(jìn)，形成一套完整的

2、記憶理論；指出現(xiàn)有異常行為識別模型存在的缺陷，并在記憶基本模型基礎(chǔ)上建立了針對網(wǎng)絡(luò)異常行為智能識別記憶模型；該模型從對常見異常行為智能識別的形式和特點出發(fā)，將記憶原理中記憶衰減更新及綜合記憶值計算數(shù)學(xué)模型與孤立點檢測算法相結(jié)合對異常行為進(jìn)行以別，反映敏感、判斷準(zhǔn)確高效且實效性強。其次，本文將記憶原理與傳統(tǒng)蟻群算法相結(jié)合，以記憶的衰減更新來替代信息素的累積和揮發(fā)，設(shè)置螞蟻智能體自身記憶庫和蟻群記憶庫水協(xié)助最優(yōu)路徑的判斷；運用瞬時、短時和長

3、時記憶可以在不同時間跨度內(nèi)調(diào)整蟻群記憶素并存儲更新有效路徑，避免了傳統(tǒng)蟻群算法中需通過事先設(shè)定蟻群數(shù)量和迭代次數(shù)，提高了算法搜索效率和準(zhǔn)確性。最后，本文將記憶原理作用于人工魚，用記憶的存儲、更新和遺忘原理來記錄人工魚自身行為，人工魚可通過搜索記憶庫并根據(jù)記憶值變化調(diào)整自身行為，并將結(jié)果存于記憶庫。此外，引入聚群與追尾行為，對人工魚覓食、聚群與迫尾行為的相互轉(zhuǎn)化及如何依照記憶來指導(dǎo)自身行為進(jìn)行了討論。
　　 本文對新構(gòu)建的三種記憶