predator-prey遗传算法及其在高炉神经网络建模中的应用

《predator-prey遗传算法及其在高炉神经网络建模中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、塑垩奎兰堡主兰篁丝茎堑笙此近二十年来，遗传算法的研究与应用在国内外都倍受重视[20]1211。遗传算法思想在很早之前就已产生，早在20世纪50年代，生物学家就开始研究用计算机模拟生物的遗传进化过程。1968年，Holland．H教授提出了模式理论；1975年，他出版了(AdaptationinNatureandArtificialSystems))，详细的介绍了遗传算法，莫定了遗传算法的基础[221。1．2．1遗传算法基本流程遗传算法基本流程如下(标准遗传算法SGA)：1)选择编码策略，把参数集合Z转换为位串结构空间S：2)

2、定义适应值函数厂(∞；3)确定遗传策略，即选择种群大小”，选择、交叉、变异策略，确定交叉概率只、变异概率以等参数；4)随机初始化生成群体P；5)计算群体中个体位串解码后的适应值厂∽；6)按照遗传策略，运用选择、交叉和变异算子作用于群体，形成下一代群体：7_)判断群体性能是否满足终止条件，不满足则返回第6)步；浙江大学硕士学位论文1．2．2遗传策略对具体的遗传算法，遗传策略选择直接关系到算法性能的好坏。以下简要介绍遗传算法的遗传策略。1．2．2．1编码策略较常用的是二进制编码策略，即将I"*-1题空间参数表示为基于字符{O，l

3、>的染色体位串。对于参数是离散的情况，只需对问题参数和二进制数间建立一个一一映射(只要是单射即可)；对参数是连续的情形时，可将连续区间等分，再使每一个二进制数对应于一个等分点即可。其他的编码策略还有大字符集编码、序列编码、实数编码等。1．2．2．2适应位评估6浙江大学硕士学位论文绪论种群中每个个体通过适应值函数确定其适应值，以决定其在此环境下的生存能力。适应值函数可以理解为目标函数通过某种映射关系后得到的一个函数，它保证了个体的适应值是非负的，且目标值越优对应的适应值越大。当然在一些情况下可以直接把目标值当作适应值。1．2．

4、2．3选择(selection)策略适应值比例选择，最基本的选择策略，个体选择概率为舯彘小Ⅵ靠m6，通常以轮盘赌的方式实现。适应值比例选择的缺点是，容易出现最佳个体迅速充斥整个群体现象，这将导致群体多样性的消失，使得GA失去进化能力。a)Boltzmann选择，个体选择概率为n(乃)=万ef(Oj),r，j『=1，2⋯m(1．7)其中T>0，且在进化过程中逐渐缩小。这个方法是Goldberg为克服适应值选择策略的缺点而设计的，T的作用是使得前期选择压力较小，保证种群多样性；后期压力较大，能较快的搜索到当前最优解。b)联赛选择

5、，其过程是随机从种群中选择一定数目(g)的个体，选其中适应值最大的个体保存到交配池，反复执行直到交配池达到设定规模为止。一般取q--2。c)稳态选择，即首先按照适应值比例选择填满交配池，然后用少量的由上代个体遗传操作得到的新个体等量替换交配池中的最差个体。d)排序选择，按照个体适应值由大到小进行排序。然后相应地分配给每个个体事先设计好的由大到小概率序列。常用的有线性排序策略。1．2．2．4交叉策略7浙江大学硕士学位论文绪论1)单点交叉，随机选择一个交叉点．按交叉概念见交换染色体片段产生新个体；2)多点交叉，区别于单点交叉在于

6、随机选择多个交叉点。1．2．2．5交异算子根据变异概念n，对等位基因进行变异(一般是0变为1或者l变为0)。1．2．3遗传算法的应用遗传算法的应用主要分为两方面一是遗传算法的直接应用，如应用于函数优化、参数优化、组合优化、生产调度问题，TSP问题，运输规划等，并在机器学习和数据挖掘方面也有广泛的应用；另一方面是和其他方法相结合的应用，比如基于遗传算法的神经网络算法等；本文中，作者将利用遗传算法求解多目标优化问题，并设计求解多目标优化问题的Predator-Prey遗传算法。利用该方法可以较好的求出多目标问题的非劣解，并得到其

7、Pareto非劣解集。浙江大学硕士学位论文多目标优化问题及其进化算法求解第2章多目标优化问题及其进化算法求解2．1多目标优化问题传统意义下优化问题主要是单目标优化问题，即只优化一个目标值，比如求函数的最大值或者最小值。而在生活中，许多问题都是由相互影响或相互冲突的多个目标组成。我们经常会遇到使多个目标在给定区域内同时尽可能最佳的优化问题，这就是多目标优化问题。优化目标超过一个的优化问题，就称为多目标优化问题(multi-objectiveoptimizationproblem，简称MOP)。一个实际生活中的多目标优化问题是，

8、比如买车时会综合考虑车辆的价格和性能两方面因素，我们希望车的性能和价格都是最优，这就是一个典型的多目标优化。这里的两个目标值是“价格”和“性能”。2．1．1多目标优化问题的数学模型简而言之，多目标优化问题数学表达如下：mJin魄(x)，鸬(x)⋯·以(x)】rsJ．g(x)剑(2．1)h(