社会情感优化算法

1. 社会情感优化算法 崔志华 太原科技大学计算机学院

2. 大纲 • 群智能算法 • 社会情感优化算法 • 情感的随机选择策略 • 基于情感强度第一定律的情绪调整策略 • 基于情感计算的社会情感优化算法 • 应用

3. 群智能算法简介

4. 群智能定义 • 任何启发于群居性昆虫群体和其他动物群体的集体行为而设计的算法和分布式问题解决装置都称为群智能。 Bonabeau E, Dorigo M, Theraulaz G. Swarm Intelligence: From Natural to Artificial Systems. New York: Oxford University Press,1999

5. 群智能特点 • 群体中相互合作的个体是分布的； • 没有中心控制，具有鲁棒性； • 可以通过个体之间的通信进行合作，从而具有良好的可扩充性； • 单个个体能力较为简单，实现方便，具有简单性。

6. 常见的群智能算法 • 蚁群算法（Ant Colony Optimization, ACO） Dorigo M,Birattari M and Stutzle T. Ant colony optimization-artificial ants as a computational intelligence technique. IEEE Computational Intelligence Magazine,2006,1(4): 28-39

7. 蚁群算法原理说明

8. 常见的群智能算法（续） • 微粒群算法（Particle Swarm Optimization, PSO） • Eberhart, R. C. and Kennedy, J. A new optimizer using particle swarm theory. Proceedings of the Sixth International Symposium on Micromachine and Human Science, Nagoya, Japan. pp. 39-43, 1995 • 曾建潮,介婧,崔志华. 微粒群算法. 北京:科学出版社，2004。（CNKI他引达到564次，2010.7）

9. 微粒群算法

10. Boids模型的三个规则-靠近（Cohesion）

11. Boids模型的三个规则-对齐（Alignment）

12. Boids模型的三个规则-避免碰撞（Seperation）

13. 社会情感优化算法

14. 分析 • 动物群体智能较低，难以有效的进行决策； • 人类群体通过人与人之间的合作与竞争来促进经济发展、文化交流、社会进步； • 人们之间的交流随着时间、地点的不同而发生变化，这使得人类群体具有自组织、自学习、自适应等智能特性；

15. 人：情绪与决策 • 七情六欲 ：喜、怒、哀、乐、爱、憎、恨 ； • 决策：趋利避害； （1）个体察觉和意识到自身的情绪，认同自己的能力，采取某些策略，反馈给环境。 （2）个体能够从环境（即其他个体与社会）发出的信息来做出相应的反应，表达出某种情绪，影响自己的决策。 （3）个体为了适应整个环境，不断对自己的情绪进行调节，从而向着整体最好的方向前进。

16. 思路 • 价值最大化

17. 算法介绍 • 情绪： （1）低落 （2）平和 （3）兴奋 • 情绪指数 随着情绪的变化，指数从低到高变化；

18. 算法介绍-情绪低落 • 行为趋于保守，规避风险； • 按照个人经验进行决策；

19. 算法介绍-情绪平和 • 能够冷静思考， 学习积极性提高，除了自我学习外还会向整个群里历史最好评价的个体学习，因此其行为更倾向于学习而非规避 ：

20. 算法介绍-情绪兴奋 • 学习的渴望非常强烈，而忽略群体历史较差评价的负面影响，只考虑外界环境的中的最好评价：

21. 算法介绍-情绪调整策略 • 社会评价没有增长，情绪会逐步低落，故 • 社会评价最优，情绪会迅速上升，变为兴奋：

22. 算法流程

23. 实验结果 • Rosenbrock (Left) • Griewank (Right)

24. 情感的随机选择策略

25. 分析 • 情绪调整：线性更新的模式 ； • 情绪变化的不确定性： （1）决策的反馈； （2）环境的反馈； （3）随机事件；

26. 正态分布

27. 基于正态分布的情绪调整策略 • 均值为0

28. Cauchy分布

29. Levy分布 • 由于自然界中许多动物在觅食及捕食过程中遵循Levy分布，因此，现在已经有些学者将Levy分布应用于自然计算，此外相关研究表明Levy分布在金融领域也有着广泛的应用。

30. 实验结果

31. 基于情感强度第一定律的情绪调整策略

32. 情感强度第一定律 • 从价值论及美学角度而言，情感与价值的关系在本质上就是主观与客观的关系： （1）价值决定情感； （2）情感影响价值； 文献： （a）仇德辉著，统一价值论，中国科学技术出版社，1998年 （b）傅谨著，感性美学，北京师范大学，1997年

33. 情感强度第一定律（续） • 情感强度与事物的价值率高差的对数成正比： • 当情感强度很小时，情感强度与价值率高差近似地成正比； • 当情感强度很大时，情感强度与价值率高差的对数成正比；当价值率高差为0时。

34. 情感发生的价值解释 • 当事物的价值率高差大于零时，人通常会产生正向情感（如满意、愉快、信任等），价值率高差的绝对值越大，从而诱导、调节和控制人的各种活动不断趋向于该事物，以不断扩大其作用规模； • 当事物的价值率高差小于零时，人通常会产生负向情感（如失望、痛苦、顾虑等），价值率高差的绝对值越大，负向情感的强度就越大，从而诱导、调节和控制人的各种活动背离该事物。

35. 基于情感强度第一定律的情感调整策略 • 情感指数按下式计算

36. 基于情感强度第一定律的情感调整策略（续） • 当个体的社会评价值与群体平均社会评价值相等时，个体受外界的刺激强度很小，情感波动也几乎为零，此时个体比较安于现状； • 当个体的社会评价值大于群体平均社会评价值时，个体趋向于正向情感，此时个体的情感强度指数变大，指导个体做出积极的行为选择；

37. 随机期望值模型的应用

38. 基于情感计算的社会情感优化算法

39. 情感计算 • 与情感有关、由情感引发或者能够影响情感的因素的计算 （Picard）； • 威廉_冯特提出了情感的三维说，他认为情绪由愉快-不愉快、激动-抑制和紧张-松弛三个维度组成，每个维度都在对立的两极之间变化；

40. 情感变化模型--情感计算模型

41. 情感更新模式 • 个体的情感会在三维情绪空间内受不同刺激信号后根据不同的情绪变化的概率矩阵发生变化。这里的刺激信号分别为为“奖励”、“惩罚”和“恐吓”，因此引入情绪变化模型的社会情感优化算法的情感集为：

42. 情绪更新矩阵

43. 无功优化问题介绍 • 无功优化是一个多约束的非线性规划问题，合理的无功调度和控制能有效的降低网络中的有功损耗、改善电压质量及电压稳定性，从而提高电力系统运行的安全性、稳定性及经济性。

44. 无功优化问题介绍（续） （1）目标函数 （2）约束条件

45. 实验-IEEE57

46. 实验-IEEE118

47. 应用-团簇优化问题

48. Lennard-Jones 势函数 • 团簇又称作微团簇，包括原子团簇和分子团簇，是由几个至上万个原子、分子或离子通过物理或化学作用力结合成相对稳定的微观或亚微观聚集体。

49. LJ团簇的原子数与对应的局部极值个数

50. 常见的LJ团簇优化结构