元胞空间结构下的文化算法-论文.pdf

元胞空间结构下的文化算法-论文.pdf

ID:58156532

大小:978.33 KB

页数:11页

时间:2020-04-25

元胞空间结构下的文化算法-论文.pdf_第1页
元胞空间结构下的文化算法-论文.pdf_第2页
元胞空间结构下的文化算法-论文.pdf_第3页
元胞空间结构下的文化算法-论文.pdf_第4页
元胞空间结构下的文化算法-论文.pdf_第5页
资源描述:

《元胞空间结构下的文化算法-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第32卷第3期应用科学学报Vo1.32No.32014年5月JOURNALOFAPPLIEDSCIENCES——ElectronicsandInformationEngineeringMay2014DOI:10.3969/j.issn.0255—8297.2014.03.007元胞空间结构下的文化算法黎明,尹笑园,陈昊南昌航空大学信息工程学院,南昌330063摘要:针对以往文化算法种群空间没有地域的概念,信念空间缺少文化的进化机制,以及求解优化问题时寻优精度不高且易陷入局部最优等缺陷,提出一种新的基于元胞空间结构的文化算法.将元胞空间网格分别嵌入文化算法计算框架中的种群空间和信念空间以模

2、拟文化算法的双层进化体系;对于种群空间,将进化个体分布于下层元胞网格,并对网格进行地域划分,使每个地域内的个体均以差分进化算子独立进化;对于信念空问,将进化信息放入与种群空间地域对应的上层元胞网格当中,利用文化的扩散机制实现文化的进化.实验结果表明,该算法具有收敛精度高以及全局搜索能力强等优点,在处理高维复杂优化问题时同样具有优势.关键词:文化算法;元胞空间结构;差分进化;高维复杂优化问题中图分类号:TP18文章编号:0255.8297(2014)03.0263—11CulturalAlgorithmwithCellularSpaceStructureLIMing,YINXiao—yua

3、n,CHENHaoSchoolofInformationEngineering,NanchangHangkongUniversity,Nanchang330063,ChinaAbstract:Tosolvetheproblemsintheculturalalgorithmhasanumberofproblems,forexample,lackofaregionconceptinthepopulationspace,lackofculturalevolutioninthebeliefspace,anddefectssuchaslowaccuracyandbeingeasytofallint

4、oalocaloptimum.Thispaperproposesanewculturalalgorithmbasedoncellularspacestructure.Itcansimulateadouble—layerevolutionarysystemofculturealgorithmbyembeddingacellularspacegridstructureintheframeworkofcomputingpopulationspaceandbeliefspace.Forthepop-ulationspaceItheevolutionaryindividualsaredistrib

5、utedinthelowercellularspacegrid.ThegridisdividedintomanyareasSOthatindividualsineachareaevolveindependentlybyusingdiferentialevolutionalgorithm.Forthebeliefspace,theevolutioninformationisputintotheuppergridc0rrespondingtothepopulationspace,andtheevolutionofcultureisrealizedusingadifusionmechanism

6、ofculture.Experimentalresultsshowthatthealgorithmisefectiveinconvergenceaccuracyandglobalsearchcapability,andhasadvantagesindealingwithcomplexhigh.dimensionaloptimizationproblems.Keywords:culturalalgorithm,cellularspacestructure,diferentialevolution,complexhigh—dimensionalop—timizationproblem受生物进

7、化机理启迪,早在20世纪50年代,人高维复杂优化问题则得不到理想的结果.因此,提取们就开始模拟生物进化的过程,从而提出了一系列如并利用进化过程中个体所携带和隐含的各类有效信息遗传算法、蚁群优化算法、粒子群算法等进化算法.以提高进化效率,已经成为该领域的一个研究热点问这些算法的进化过程大多基于种群实施,主要在生物题.文化被看作存储信息的载体,能够在社会群体之自然选择这一层面上进行研究,而没有充分挖掘和利间和群体内部广泛传递,并被社会成

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。