全站搜索
10 约束处理和混合优化
杨伟康 博士
进化算法与矩阵分析

10 约束处理和混合优化

信息技术、AI及数字化 > 进化算法与矩阵分析

杨伟康简介 时长 33 分钟

分享

收藏

湖南大学机械工程硕士,澳门科技大学人工智能博士,现任香港高校研究员。拥有超过十年智能驾驶与汽车工程研发经验,曾长期任职于知名汽车企业,担任感知算法负责人。在智能驾驶感知领域具备深厚积累,曾主导L3级自动驾驶及BEV实时泊车感知算法研发,项目成果入选工信部首批试点名单。目前专注于利用多传感器数据构建香港高清地图的人工智能模型研究,致力于推动智能驾驶感知技术在真实场景中的应用落地。在学术方面,以第一作者身份在《IEEE TITS》等国际权威期刊发表SCI论文4篇,持有《车位检测方法》等发明及实用新型专利10余项。研究兼顾理论创新与工程实践,在感知算法、多传感器融合及高精地图构建等方面形成系统积累。
课程作业(以下主题任选一题)
第一主题
请比较人工蜂群算法(ABC)中三种蜜蜂(雇佣蜂、观察蜂、侦查蜂)的角色分工与功能。这三种角色分别对应算法中的哪些操作?它们如何共同协作来完成优化任务? 提示:可从每种蜜蜂的职责、搜索方式、信息传递机制入手,说明它们在算法迭代过程中分别扮演什么角色,以及如何通过分工合作实现全局搜索与局部开发的平衡。
优秀作业 作者
第二主题
在群集蜘蛛优化算法(SSO)中,蜘蛛通过“振动”来传递信息。请说明振动的产生方式、传播机制以及它对蜘蛛移动决策的影响。这种机制与蜂群算法中的“摇摆舞”有什么异同? 提示:可从振动的强度与距离关系、雌雄蜘蛛的不同反应出发,分析振动在搜索中的作用。再与ABC中雇佣蜂通过摇摆舞传递蜜源信息的方式进行比较。
优秀作业 作者
第三主题
共生生物搜索算法(SOS)包含三种共生关系:互利共生、偏利共生与寄生。请分别说明这三种关系的数学表达方式及其在优化过程中的作用。为什么说SOS是一种“不需要调参”的算法? 提示:可结合每种关系的更新公式,解释它们如何推动解的进化。再说明SOS如何通过生物间的自适应交互自动调节搜索步长,从而避免人工调参的困扰。
优秀作业 作者
第四主题
多传感器融合权重在线优化算法综述——从粒子群优化到参数自适应方法
优秀作业 作者

教辅书籍

查看更多
学分认证
评论



{{courseData.start_time}}
{{courseData.start_date}}
{{courseData.time_count}}
{{courseData.tips}}
{{courseData.end_time}}
{{courseData.end_date}}
扫码进入小程序关注直播最新动态
试听硕博课程
姓名
手机
学历
{{degreeeValue}}
{{item.name}}
工作年限
{{workYearValue}}
{{item.name}}
所在城市
{{regionsValue}}
{{item.name}}
{{itm.name}}
您的个人信息保护中,仅平台可见
打开微信”扫一扫”
扫码进入小程序关注直播最新动态
{{apply_type==3?'评估报名资格':'试听申请'}}
姓名
手机
学历
{{degreeeValue}}
{{item.name}}
工作年限
{{workYearValue}}
{{item.name}}
所在城市
{{regionsValue}}
{{item.name}}
{{itm.name}}
您的个人信息保护中,仅平台可见
{{workshopData.start_time}}
{{workshopData.start_date}}
{{workshopData.time_count}}
{{workshopData.tips}}
{{workshopData.end_time}}
{{workshopData.end_date}}
扫码进入小程序关注直播最新动态
预约修业坊
姓名
手机
我是...
{{item.value}}
您的个人信息保护中,仅平台可见