摘 要：隨著科學(xué)研究水平的逐漸加深，智能算法出現(xiàn)。智能算法主要是解決現(xiàn)實生活當(dāng)中有待于優(yōu)化的問題，在現(xiàn)代社會領(lǐng)域被廣泛應(yīng)用。智能算法的有效性一直是智能算法在現(xiàn)實中應(yīng)用的重要衡量指標(biāo)，并可以將該智能算法歸結(jié)為多指標(biāo)綜合性評價問題。本文基于可變模糊方法對于智能算法的求解效果進行評析，促進智能算法的應(yīng)用效果。

關(guān)鍵詞：可變模糊法；智能算法；求解效果

中圖分類號：TP18

由于現(xiàn)代智能算法理論被逐漸的發(fā)展與完善，并且其應(yīng)用的領(lǐng)域也逐漸廣泛，新的算法得到發(fā)展，眾多智能算法出現(xiàn)。如何在眾多智能算法當(dāng)中評價算法結(jié)果的有效性，是目前智能算法研究領(lǐng)域的重要研究課題。本文對于智能算法求解效果進行評價，對于智能算法的求解準(zhǔn)確性具有一定的現(xiàn)實意義。

1 智能算法求解效果評價現(xiàn)狀

在目前驗證算法的有效性當(dāng)中，通常采用的方式就是針對文獻當(dāng)中已有結(jié)果進行比對與分析，進而驗證結(jié)果。在目前，我國對于智能算法求解方面的研究，主要采用的方法為物元分析理論進行驗證，并建立了智能求解效果評價問題的模型，結(jié)合具體的實力進行了大量的計算，對智能算法求解效果進行分析，取得了一定的研究成果。但由于物元分析理論方法屬于單模型評價方法，缺乏驗證的全面性，造成研究過程中得出的智能算法的求解效果將會大打折扣，并存在一定誤差。為了尋找能夠真正檢驗智能算法求解效果的理論，需要通過更加穩(wěn)定以及可靠的綜合性評析方法進行該問題的研究與討論?？勺兡：u價方法的出現(xiàn)，為智能算法的求解效果評價帶來了新的驗證方法?？勺兡Ｊ皆u價是可變模糊集理論在評價工作當(dāng)中的具體表現(xiàn)形式，能夠代表著可變模糊集理論的研究成果以及實際價值?？勺兡：椒軌驊{借模型以及相應(yīng)的參數(shù)變動，獲得可靠并且較為真實的評價信息，充分的克服了由于單模型評價存在的弊端以及片面性特點，有效的增加了評價工作的可靠性以及可信性。因此，應(yīng)用可變模糊方法對于智能算法求解效果進行評價，為職能算法求解有效性問題提供了新的驗證途徑[1]。

2 智能算法計算指標(biāo)體系的構(gòu)建

2.1 全局收斂概率。全局收斂概率主要是指算法搜索全局能夠明確最優(yōu)解的概率，這一概率內(nèi)容是收集智能算法性能的重要標(biāo)志，同時也是在進行衡量求解能力的指標(biāo)。概率的數(shù)值越大，收斂性方面的內(nèi)容較好，體現(xiàn)出的準(zhǔn)確計算能力越強。在全局收斂概率方面，將其定義為gp，另gp=收斂次數(shù)/運行總次數(shù)，則gp∈[0，1]。

2.2 標(biāo)準(zhǔn)方差絕對值。該方差絕對值是整個智能算法性能強弱的衡量標(biāo)準(zhǔn)，魯棒性的相應(yīng)數(shù)值越小，算法越穩(wěn)定。此處，將標(biāo)準(zhǔn)方差定義為 = ，其中，N表示的是算法的總計算次數(shù)，f*表示的是目標(biāo)函數(shù)能夠獲取的最優(yōu)值， 為計算運行N次之后的目標(biāo)函數(shù)的平均值。

2.3 CPU平均執(zhí)行時間。該時間的內(nèi)容主要是表示智能算法在進行計算的過程中，執(zhí)行計算的具體能力以及相應(yīng)的效果，其得出的數(shù)值越小，效率越高。將CPU時間設(shè)定為 ，并將 = ，其中的ti為智能算法在進行運算的過程中所花費的執(zhí)行時間，通過此公式進行處理器執(zhí)行時間計算[2]。

3 可變模糊方法智能算法求解分析

3.1 智能算法特征值矩陣分析。針對智能算法目前研究狀況以及研究成果進行分析，能夠?qū)⒅荒芩惴ㄇ蠼獾膶嶋H計算效果分為Ⅰ（優(yōu)）、Ⅱ（良）、Ⅲ（中）、Ⅳ（一般）以及Ⅴ（差）等五個等級，并結(jié)合只能算法當(dāng)中包含的具體方法，將每一個待評價的職能算法設(shè)定為Xj（j=1，2，3，4），xij（i=1，2，3；j=1，2，3，4）表示為算法j的i個具體指標(biāo)值，并根據(jù)具體的特征值進行分析，能夠得出相應(yīng)的矩陣，即：

3.2 衡量指標(biāo)評價矩陣。在衡量指標(biāo)評價矩陣的過程中，設(shè)定智能算法當(dāng)中的各性能評價指標(biāo)按c個級別進行劃分相應(yīng)的區(qū)間，并將具體指標(biāo)分為，1級最優(yōu)，c級最差，以此類推。則可以講具體的指標(biāo)分為：

Iab=（[aih，bih]）=

[1，0.9][0.9，0.6][0.6，0.5][0.5，0.2][0.2，0]

[0，0.001][0.001，0.01][0.01，0.05][0.05，0.1][0.1，1]

[0，0.1][0.1，1][1，5][5，10][10，100]

3.3 確定性能指標(biāo)權(quán)重。此種方法與物元可拓方法相比較而言，幾種性能評價指標(biāo)權(quán)重的系數(shù)按AHP進行確定。首先，根據(jù)經(jīng)驗建立相應(yīng)的判定性矩陣A=[1，7，9；1/7，1，3；1/9，1/3，1]，并且根據(jù)相應(yīng)的矩陣A的特征方面的向量進行分析，得出AW=（0.776，0.155，0.069）以及特征值λ=3.083。經(jīng)過相應(yīng)的經(jīng)驗進行判斷，能夠保證判斷的相應(yīng)矩陣滿足A矩陣的一致性需求。因此，三種性能評價指標(biāo)權(quán)重的向量為W=（0.776，0.155，0.069）。

3.4 確定可變模糊綜合評價模型。根據(jù)相應(yīng)的計算算法j對級別h的綜合相對隸屬關(guān)系進行分析，能夠得出以下公式內(nèi)容：

在公式當(dāng)中，Wi表示的是指標(biāo)權(quán)重；α為優(yōu)化標(biāo)準(zhǔn)的參數(shù)值，α=1為最小一乘方準(zhǔn)則，α=2為最小二乘方準(zhǔn)則；p為距離參數(shù)，p=1為定義為海明距離，p=2為歐式距離。其中α以及p都可以被稱之為可變模糊型參數(shù)，同城在這一方面包含四種方面的組合形式，即α=1，P=1；α=1，P=2；α=2，P=1；α=2，P=2。根據(jù)上述的四種不同組合，能夠得出相應(yīng)的綜合性變化的矩陣圖：

3.5 綜合性評價。根據(jù)相應(yīng)的算法j的級別以及相應(yīng)的特征向量進行分析，得出：Hj=（1，2…，c）·（uhj）并根據(jù)數(shù)值以及判斷得知，1.0≤H≤1.5，歸屬于1級；h-0.5

4 結(jié)果分析

模擬退火算法（SAA）運用可變模糊方法進行計算結(jié)果的評判，評價等級為4級偏向5級，物元分析結(jié)果為5級；遺傳算法（GA）運用可變模糊方法進行計算結(jié)果的評判，評價等級為4級偏向5級，物元分析結(jié)果為4級；蟻群算法（ACO）運用可變模糊方法進行計算結(jié)果的評判，評價等級為4級偏向3級，物元分析結(jié)果為4級；捕食搜索算法（PSA）運用可變模糊方法進行計算結(jié)果的評判，評價等級為2級偏向1級，物元分析結(jié)果為2級。在GA、ACO以及PSA方面，物元分析方法得出的結(jié)果與可變模糊想法相一致，但在SAA方面，兩者存在一定差異，可變模糊算法更加準(zhǔn)確。

5 結(jié)束語

綜上所述，隨著智能算法內(nèi)容的逐漸增多，如何選用優(yōu)秀的求解效果檢驗方法至關(guān)重要，同時也是智能算法效率性的重要體現(xiàn)。本文選用可變模糊方法進行分析，得知該方法對智能算法結(jié)果檢驗的過程中較為全面，能夠體現(xiàn)智能算法的準(zhǔn)確性以及對求解程度進行準(zhǔn)確評估，對智能算法的實際應(yīng)用具有推動作用。

參考文獻：

[1]羅景峰.智能算法求解效果評價的物元模型[J].微電子學(xué)與計算機，2011（10）：118-120.

[2]劉朝華.混合免疫智能優(yōu)化算法研究及其在復(fù)雜系統(tǒng)中的應(yīng)用[D].湖南大學(xué)，2012.

[3]陳云霞.具有非完全市場特征的投資組合模型及算法研究[D].華南理工大學(xué)，2012.

作者簡介：李波，女，吉林長春人，教師，講師，碩士，研究方向：群智能算法。

作者單位：長春工程學(xué)院計算機基礎(chǔ)教學(xué)中心，長春 130021