种群多样性的衡量标准

种群多样性的衡量标准

ID:27815385

大小:105.45 KB

页数:8页

时间:2018-12-06

种群多样性的衡量标准_第1页
种群多样性的衡量标准_第2页
种群多样性的衡量标准_第3页
种群多样性的衡量标准_第4页
种群多样性的衡量标准_第5页
资源描述:

《种群多样性的衡量标准》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、关于测度粒子群算法中种群多样性的方法毕业论文英文文献翻译一一2011190001翟亚君抽象一一是探究粒子群算法中种群多样性的有效方法之一,探究尤指在初始条件下搜索,但被要求在求解过程中逐步求岀最优解。在粒子群算法中,种群多样性是可以被准确定义的,简而言之,就是粒子群算法中种群粒子的离散程度。这些离散程度可以被定义为离某些中心点的远近程度。也可以被定义为基于粒子位置或基于粒子的速率。本文大量讨论了为了量化种群的最优解的不同种群多样性定义的有效性大小。此项工作的意义在于为量化粒子群算法的求最优解的速率寻求合适的方法而打下基础。换言之,即种群多样性的改变速率。1•论文简介:粒子群算法

2、的种群多样性对算法性能有着重要影响,它在衡量种群求最优解中有着些许的暗示性的意义。一个丰富的多样性应该是能直接代表出搜索空间中的一大片区域已经是被搜索过的。类似的,一个缺乏多样的种群,代表着种群颗粒只是搜索空间的一小部分。当用粒子群算法的种群多样性来指导搜索过程时,量化粒子群算法的搜索行为的具体方法,就变得越发重要了。例如:在第二节中的引力互斥算法。为了证明此类算法搜索行为的正确性,多样性测度可以准确测量出种群颗粒在时间相关性条件下的离散程度。一些多样性的测度实例可以在文中找到,在文章第二到第七节中,均有不同的多样性定义。简言之,衡量种群多样性有很多方法,以及其他方式的变体,不

3、是以上所有的方法都可以精确的指导搜索行为。本文展示了粒子群算法执行过程的量化行为的分析结果。第二部分提供了粒子群算法的背景信息,第三部分提供了最受广泛应用的衡量种群多样性的几种定义。第四部分是一个粒子群算法的执行实例,并且详细记录了该例子中具体衡量方法和细节。最后,在第五部分,是粒了群算法的前沿发展成果以及其未来可能的发展方向,附带了基于这些可能方向的结论。2.简介粒子群算法(粒子群):在第八节至第九节中介绍的粒子群算法中,均存在这样的一个粒子群一一粒子群中的每一个粒子的位置都是一个可能解。让x_i⑴表示粒了i在搜索解空间中,笫t次的粒子位置以及速率v_i(t)之后会发生的改变

4、,那么当前位置就按照如下的方程式来表示:x_i(t+l)=x_i(t)+v_i(t+l);由上可知,粒子的速率是算法过程执行的驱动力,它代表了被各个粒子所学习(了解)到的周边信息,而每一个粒子的信息都是基于其粒子本身以及与其周边粒子的信息互换得来的。下面介绍市最传统的两种方法构造的粒子群算法(粒子群):1•基于星型拓扑网络的Gbest粒子群算法;2•基于环形拓扑网络的Lbest粒子群算法。【分別为例10、例11】。Gbest粒子群算法在本文中作为主要实例使用,本文关于粒了群算法的讨论焦点即是Gbest粒了群算法。对于一个给出的粒子i,它的速率按照如下公式进行计算:v_i(t+l

5、)二w*v_i(t)+cl*rl(t)*[y_i(t)・x_i(t)]+c2*r2(t)*[y_i(t)・x_i(t)]上式中,v_i(t)是粒子i在第t步下的速率,x_i(t)是粒子i在第t步下的位置。cl和c2是加速过程中的两个常数量。主要用來调整函数中其他部分的大小(起到基函数的基作用)。rl(t)和r2(t)等分别是从(0,1)区间中的独立采样结果,是该粒子群算法(Gbest算法)添加的一个随机变量。W是一个常亮权值,是用来控制上一步的速率对此步粒子速率的影响的。y_i(t)是对粒子i的最佳个体位置,也是直到第t步为止,通过函数遍历出的最佳位置(进行迭代计算)。y(t)

6、代表了在第t步之下的全局最优位置。它代表了当前所有种群中的粒子所求的的最优位置(意即当前的最优解)。关于Gbest粒子群算法的步骤梗概如下:(1):创建并初始化一个大小为n_x的种群S;(2):对上一步产生的种群中的每一个粒子(i=l,2,3……S_nx),设定个体和全局最优值,计算各个粒子的速率和位置;(3)不停的重复第二部,指导达到该算法的终止条件(迭代终止条件)。下面介绍Gbest算法的一些变体算法(延伸算法,拓展算法):A:如第一部分所述,对于种群多样性来说,有着多种多样的刻画方法及其变体。许多变体都是又算法中“间隔”的度量标准的差异而形成的。又或是常参量的不同造成的。

7、种群中心的选择亦能造成多样性测量方法的不同。【其结果有可能是Gbest抑或其他】。由于存在空间约束,考虑每一种种群多样性的刻画方式的变体是不切实际的。最终,只有最一般以及适用性最强的才能被广泛利用。同样的,一个空间种群中心的选取,也是影响粒子群算法多样性的重要因素。同理,一个空间种群中心是作为Gbest种群中心的对立面的。原因在于,无论空间种群中心怎样利用未被填满的空间粒了,Gbest中心总能与它达到同样的效果(也就是种群中的非必要中心)。木文中的种群多样性刻画在接下来的章节中介绍。B:种群

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。