專利是屬于申請專利的那個人的了，下面我們來看看都有哪些人工智能算法：
一、粒子群算法
粒子群算法，也稱粒子群優(yōu)化算法（Particle Swarm Optimization），縮寫為 PSO，是近年來發(fā)展起來的一種新的進(jìn)化算法。

(（Evolu2tionary Algorithm - EA）。PSO 算法屬于進(jìn)化算法的一種，和遺傳算法相似，它也是從隨機(jī)解出發(fā)，通過迭代尋找最優(yōu)解，它也是通過適應(yīng)度來評價解的品質(zhì)，但它比遺傳算法規(guī)則更為簡單，它沒有遺傳算法的交叉(Crossover) 和變異(Mutation) 操作，它通過追隨當(dāng)前搜索到的最優(yōu)值來尋找全局最優(yōu)。這種算法以其實(shí)現(xiàn)容易、精度高、收斂快等優(yōu)點(diǎn)引起了學(xué)術(shù)界的重視，并且在解決實(shí)際問題中展示了其優(yōu)越性。
優(yōu)化問題是工業(yè)設(shè)計(jì)中經(jīng)常遇到的問題,許多問題最后都可以歸結(jié)為優(yōu)化問題.為了解決各種各樣的優(yōu)化問題,人們提出了許多優(yōu)化算法,比較著名的有爬山法、遺傳算法等.優(yōu)化問題有兩個主要問題:一是要求尋找全局最小點(diǎn),二是要求有較高的收斂速度.爬山法精度較高,但是易于陷入局部極小.遺傳算法屬于進(jìn)化算法。

(EvolutionaryAlgorithms)的一種,它通過模仿自然界的選擇與遺傳的機(jī)理來尋找最優(yōu)解.遺傳算法有三個基本算子:選擇、交叉和變異.但是遺傳算法的編程實(shí)現(xiàn)比較復(fù)雜,首先需要對問題進(jìn)行編碼,找到最優(yōu)解之后還需要對問題進(jìn)行解碼,另外三個算子的實(shí)現(xiàn)也有許多參數(shù),如交叉率和變異率,并且這些參數(shù)的選擇嚴(yán)重影響解的品質(zhì),而目前這些參數(shù)的選擇大部分是依靠經(jīng)驗(yàn).1995年Eberhart博士和kennedy博士提出了一種新的算法;粒子群優(yōu)化(ParticalSwarmOptimization-PSO)算法.這種算法以其實(shí)現(xiàn)容易、精度高、收斂快等優(yōu)點(diǎn)引起了學(xué)術(shù)界的重視,并且在解決實(shí)際問題中展示了其優(yōu)越性。

粒子群優(yōu)化(ParticalSwarmOptimization-PSO)算法是近年來發(fā)展起來的一種新的進(jìn)化算法(Evolu2tionaryAlgorithm-EA).PSO算法屬于進(jìn)化算法的一種,和遺傳算法相似,它也是從隨機(jī)解出發(fā),通過迭代尋找最優(yōu)解,它也是通過適應(yīng)度來評價解的品質(zhì).但是它比遺傳算法規(guī)則更為簡單,它沒有遺傳算法的交叉(Crossover)和變異(Mutation)操作.它通過追隨當(dāng)前搜索到的最優(yōu)值來尋找全局最優(yōu)。
二、遺傳算法
遺傳算法是計(jì)算數(shù)學(xué)中用于解決最佳化的，是進(jìn)化算法的一種。進(jìn)化算法最初是借鑒了進(jìn)化生物學(xué)中的一些現(xiàn)象而發(fā)展起來的，這些現(xiàn)象包括遺傳、突變、自然選擇以及雜交等。遺傳算法通常實(shí)現(xiàn)方式為一種模擬。對于一個最優(yōu)化問題，一定數(shù)量的候選解（稱為個體）的抽象表示（稱為染色體）的種群向更好的解進(jìn)化。傳統(tǒng)上，解用表示（即0和1的串），但也可以用其他表示方法。進(jìn)化從完全隨機(jī)個體的種群開始，之后一代一代發(fā)生。在每一代中，整個種群的適應(yīng)度被評價，從當(dāng)前種群中隨機(jī)地選擇多個個體（基于它們的適應(yīng)度），通過自然選擇和突變產(chǎn)生新的生命種群，該種群在算法的下一次迭代中成為當(dāng)前種群。