进化算法的若干研究及应用

进化算法的若干研究及应用

ID:32476668

大小:3.26 MB

页数:108页

时间:2019-02-07

进化算法的若干研究及应用_第1页
进化算法的若干研究及应用_第2页
进化算法的若干研究及应用_第3页
进化算法的若干研究及应用_第4页
进化算法的若干研究及应用_第5页
资源描述:

《进化算法的若干研究及应用》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、进化算法的若干研究及应用摘要f7进化算法(EvolutionaryAlgorithms,EAs)是一类借鉴自然选择和生物遗传机制的趟用搜索方法。该类算法采用群体型操作,利用随机化技术对一个编码参数空问进行有指导搜索,能够同时搜索解空间内的多个区域,特别适合大规模并行处理。在赋予进化算法自组织、自适应、自学习等特征的同时,优胜劣汰的自然选择和简单的遗传操作使进化算法具有不受搜索空间限制性条件的约束,以及不需要其它辅助信息的特点,因此进化算法不仅能获得较高的效率,而且具有简单、易操作、鲁棒性强和通用等特性。进化算法可分为单种群和多种群算法,前者包括遗传算

2、法(GA)、进化策略(ES)、进化规划(EP)及基于小生境进化算法等:后者包括并行进化算法、协作进化算法等。其中,GA、ES和EP也统称为标准进化算法。

3、/,本文针对进化算法的若干问题,从生物进化和种群多样性角度出发,依照简单进化机理到复杂进化机理、单种群算法到多种群算法、遗传算法到协作进化算法、简单问题到复杂问题的次序,对进化算法进行了较深入而系统的研究。在总结现有算法的基础上,不仅对一些算法进行了改进,而且也提出了一些新的策略和进化模型,并应用于实际问题。雄文工作主要包括以下四部分内容:《-标准进化算法是一类基本单种群进化算法,已得到广泛的研究和

4、应用,本文推广遗传算法的几何理论,分析了标准进化算法的进化机理。根据算子的操作特点,合理地引入混沌搜索和断续平衡论,提出了基于退化混沌变异进化算法;利用PSO优化算法的某些思想,以减弱选择策略对进化过程的影响,提出了改进PSO算法。这两种改进算法,较好地克服了遗传算法中的早熟收敛和停滞缺点。-面对日益复杂的优化问题,单种群进化算法的应用受到限制,多种群的协作进化算法已成为研究热点。本文从生物进化机理和种群多样性的角度出发,系统地研究了一般合作协作进化算法(CoopCEAs)。≯问题分解是CoopCEAs的重要特征,对采用“分而治之”策略解决复杂优化问

5、题具有深远意义。本文利用生态学中小生境技术分析了CoopCEAs的问题分解“灵现”,提出一种基于物种相似性的自适应问题分解策略,并通过学习分类器系统实例研究了问题分解的四个方面。≯CoopCEAs中存在物种问协作。通常,CoopCEAs采用贪婪的物种间协作策略,具有实现简单、计算量较小特点,但只适用于变量间相互独立或弱耦合优化问题。本文从不同角度分析了物种间协作的必要性,并提出基于个体学习的物种间协作策略,虽然实现复杂且计算量较大,但适用于变量间强耦合和变量间相互独立或弱耦合优化问题,具有较强的通用性。一针对一类广泛存在的系统设计优化问题,在Coop

6、CEAs基础上,提出一种新型进化模型:羊群一牧羊犬合作协作进化模型(SDCoopCEAs),该模型存在两个进化层次,每一层有不同的进化环境。与CoopCEAs相比,该模型考虑了物种间差异而导致物种问协作方式有所不同的情况,因此更客观地评价了物种在进化过程中所做出的贡献。从物种问信息交换的角度出发,又提出一种改进模型,使得物种的进化时间尺度也不同。实例分析该模型具有很好的效果。一针对传统人工神经网络系统设计中存在的局部收敛、设计效率不高等问题,系统地分析了基于进化算法的神经网络系统设计的优越性,并应用本文提出的新型进化算法、一般合作协作进化算法和标准进

7、化算法,分别给出三种进化神经网络,并应用于心脏病诊断系统。统计结果表明,三种进化神经网络系统都具有较强的通用性,其中基于SDCoopCEAs和CoopCEAs的进化神经网络的整体网络性能最好,并具有良好的泛化能力。\厂‘,关键词:进化;≤,单奔舞,多乖薄,小生境,合作协撵羹略,进化神经网络II●SOMESTUDYANDAPPLICATIONSOFEVoLUTIONARYALGORITHMSABSTRACTEvolutionaryalgorithms(EAs)isaclassofgeneraladaptivesearchsystemswhichappl

8、ythebasicprincipleofevolutionsuchasnaturalselectionandgeneticstothesolutionoftechnicalproblemsinavarietyofdomains.Soithastheabilltyofself-adapting,self-organizingandself-learning.Evolutionaryalgorithmsmaintainapopulationofalternativesolutionsandstrikeabalancebetweenexploitingre

9、gionsofthesearchspacethathavepreviouslyproducedfitindi

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。