贝叶斯预测型进化算法-论文.pdf

《贝叶斯预测型进化算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第37卷第8期计算机学报Vol_37No．82014年8月CHINESEJOURNALOFCOMPUTERSAug．2014贝叶斯预测型进化算法姜允志”。郝志峰“张宇山。黄翰王映龙”何火娇””(江西农业大学软件学院南昌330045)(华南理工大学计算机科学与工程学院广州510006)(悉尼科技大学量子计算与智能系统中心高级分析研究所悉尼澳大利亚2007)(广东工业大学计算机学院广州510006)(广东商学院数学与计算科学学院广州510320)(华南理工大学软件学院广州510006)摘要提出了一种新型进化算法

2、即贝叶斯预测型进化算法，该算法是有效解决遗传算法中的连锁和欺骗问题的一种新方法，其主要特点是：(1)该算法基于最优解的概率分布和贝叶斯定理预测最优解所在的子空间；(2)该算法能高效利用所有先前代蕴含的信息，可以方便地引入专家知识；(3)该算法模型比较简单并且能以很快的速率收敛到最优解子空间．从理论上分析了贝叶斯预测型进化算法的收敛性、收敛速率和逆收敛算子．理论分析与在14个标准的测试函数上的仿真实验显示了该算法求解较为精确、稳定和快速．关键词贝叶斯定理；逆收敛算子；进化算法；遗传算法；分布估算算法中图法分类

3、号TP18DOI号10．3724／SP．J．1016．2014．01846BayesianForecastingEvolutionaryAlgorithmJIANGYun-Zhi，，HAOZhi—Feng。’，ZHANGYu—Shan2)，HUANGHan。WANGYing—LongHEHuo—Jiao¨”(SchoolofSoftware，JiangxiAgriculturalUniversity，Nanchang330045)’(SchoolofComputerScienceandEngineering

4、，SouthChinaUniversityofTechnology，Guangzhou510006)”(AdvancedAnalyticsInstitute，CentreforQuantumComputationandIntelligentSystems。UniversityofTechnologySydney，Sydney，Australia，NSw2007)(FacultyofComputer，GuangdongUniversityofTechnology，Guangzhou510006)(School

5、ofMathematicsandComputationalScience，GuangdongUniversityofBusinessStudies，Guangzhou510320)(SchoolofSoftzoareEngineering，SouthChinaUniversityofTechnology，Guangzhou510006)AbstractBayesianForecastingEvolutionaryAlgorithm(denotedbyBFEA)，integratingwiththebasic

6、principleofevolutionarycomputation，isproposedinthispaper，whichisanewtechniquetosolvelinkageproblemanddeceptiveproblemeffectively．Themainworksandinnovativepointsareasfollows：(1)BFEA，basedontheprobabilitydistributionofpromisingsolutionsandBayesiantheorem，gui

7、destheexplorationofthesearchspaceaccordingtothepredictionprobabilityofeverysubspaceincludingtheoptimalsolutions；(2)Muchmoreinformationinthegeneratedpopulationsisusedandpriorinformationisincorporatedintothealgorithmeasily；(3)Thisalgorithmhasasimpleralgorith

8、mmodelandcanconvergefastertothesubspaceswiththeoptimalsolutions．Theconvergence，收稿日期：2012—03—31；最终修改稿收到日期：2014—04—28．本课题得到国家自然科学基金(61363041，61070033)、广东省科技计划项目(2010B050400011，201oBo8o7O1O7O)及江西省自然科学基金(20132BAB