进化计算在优化问题中的应用

《进化计算在优化问题中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、武汉理工人学硕士学位论文多个领域。由于它的独特的原理和极强的解决问题能力，获得了许多学者的重视与研究。进化计算EC有以下几个主要特点：1、自适应性，自适应方法具有很强的鲁棒性，对问题几乎没有要求，适用于多种问题；2、随机性，随机优化算法可以解决许多非线性系统的全局最优化问题；3、潜在的并行性，有着非常高的计算效率。这三个特点使得EC的研究和应用迅速成为国际学术界和工程界关注的热点。【2】20世纪80年代后，进化计算和遗传算法进入了快速发展期。很多以进化计算，遗传算法为主题的国际会议在世界各地定期召开。同时

2、，关于进化计算的学术活动也非常活跃，随着计算机硬件的发展，进化计算对计算机速度的要求不再是制约其发展的因素。在二十世纪的90年代，EC在国内外被关注的程度空前之高。其原因不仅是EC有与众不同的特色、广阔的发展前景；也是因为EC存在的缺陷及发展余地。进入了二十一世纪，不断有EC的各种算法的改进算法提出，EC一直没有停止发展的脚步。但是，EC存在的问题和缺陷也不能忽视。在早期人们就注意到进化计算过早收敛即俗称“早熟"的问题，也是许多学者关注、研究的问题。另一个重要问题是EC的计算效率的问题。针对这些问题，许多

3、学者提出了改进的算法，如采用的层次结构对染色体进行编码的结构遗传算法，允许冗余基因存在，因而使GA具有避免“早熟”的能力和适应环境变化的能力；如在遗传算法中采用多个群体，对某些问题来说，可以提高计算效率，缓解早熟问题。【3】改进的GA还有很多，如模拟退火与GA结合，遗传算法与免疫相结合等，此类的算法数量之多，以致无法一一列出。据此，可以期望，进化计算效率要明显高于其它方法。在新世纪，进化计算如雨后春笋一样在各个领域得到广泛的应用。进化计算在人工智能、机器学习、经济学、控制与决策、工程优化等领域获得了巨大的

4、成功。进化计算与神经网络一起成为对认知过程研究的重要工具。进化计算具有求解的有效性，易于实现模拟仿真，并且容易与其它方法相合等优点。可以预料，在不远的将来，随着理论研究的深入，进化计算的领域必定会不断拓广，进化计算将会取得长足的发展。2武汉理：r=大学硕十学位论文1．2三种进化算法的主要区别与联系三种算法都是通过模拟生物种群的进化现象，并且可以解决复杂优化问题和非线性优化问题，三种算法虽然相似之处很多，但在具体实现上却有较大的差别：1)．进化规划和进化策略都把变异操作作为主要的搜索算子，而在标准遗传算法中

5、，变异只处于次要地位；2)．交叉算子在标准遗传算法中起着重要作用，而在交叉算子进化规划中则被完全忽略掉，变异算子完全取代交叉算子；31．标准遗传算法和进化规划都强调随机选择机制的重要性，而对于进化策略来讲，选择是完全确定的，并不是随机选择的。进化规划和进化策略一般会把某些个体确定性地排除在选择复制之外，而标准遗传算法一般对每个个体都指定一个非零选择概率，任何个体都有机会被选中；在解的编码策略上，遗传算法一般将原问题的解空间进行编码，然后再施行遗传操作，它强调基因结构的变化对适应度的影响，而进化策略和进化规

6、划一般直接在解空间上进行操作，强调进化过程中搜索方向和步长的调节。实际上，这些算法都是对生物进化过程的模拟，强调了自然进化的不同方面：遗传算法强调染色体的操作，即个体基因结构的变化对其适应度的影响，进化策略强调个体级的行为变化，进化规划则强调种群上的行为变化。一般认为，遗传算法是一种较为通用的求解方法，而进化策略和进化规划更适宜于求解数值优化问题。在实际应用中，这些算法互相借鉴，并且有着相互融合的趋势，在某些情况下，其界限并不明显。1．3研究目的和意义1．3．1研究目的传统的解析计算，工作在纯数学基础之上

7、，适用于较容易建立出数学模型的应用，并且能用数学方程式把输入输出关系用传递函数的形式表示出来，而且需要这个方程容易用解析方法较快的求出其精确解。总而言之，就是待解的问题能够精确的进行数学形式化。武汉理工大学硕十学位论文然而，解析计算来解决某些现实中的复杂问题并不总是可行的，通常会出现各种各样的困难。这是因为，大部分现实的问题非常的复杂，有时甚至复杂到难以准确地定义出来，以致于基本不可能建立出数学模型，即便能建立出数学模型，或者是所建立的数学模型呈现出高度的非线性。对某些问题而言，问题本身就是不确定或者不精

8、确的。对于解析计算，虽然可以利用某些策略减小计算量，比如分支界定法等策略，但是最坏的情况时间复杂度是指数级别的，计算量相当大。当问题规模达到一定的程度的时候，现有的计算机性能根本达不到如此大的计算量。相比之下，可以采取近似算法，近似算法的时间复杂度比较低，而且对于大多数问题，要求输出结果不需要全局最值，而只是较优值。对于随机算法，如果针对的是判定问题，我们可以以较大的概率得到正确输出。若针对的是优化问题，输出的解依赖于算法的多