進(jìn)化計算若干問題研究.pdf

1、進(jìn)化計算(Evolutionary Computation)是模擬自然界生態(tài)系統(tǒng)中“優(yōu)勝劣汰”的一類優(yōu)化算法的總稱，也稱為演化計算。一般認(rèn)為包括遺傳算法，遺傳編程，進(jìn)化策略等。目前這類算法已被廣泛應(yīng)用于機器學(xué)習(xí)，人工智能，自適應(yīng)控制，人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練，圖像處理等各個方面。 針對一類協(xié)同進(jìn)化算法給出其二進(jìn)制編碼有限群體模型。協(xié)同進(jìn)化算法借鑒自然界中的協(xié)同進(jìn)化(Coevolution)機制，通常表現(xiàn)為一個算法中使用多個種群協(xié)同進(jìn)化，

2、實際應(yīng)用效果顯著，但是其理論基礎(chǔ)更為薄弱。Vose針對一般GAs曾給出了基于二進(jìn)制編碼的有限群體模型，在此基礎(chǔ)上本文構(gòu)建了適用于一類協(xié)同進(jìn)化算法的二進(jìn)制有限群體模型，可以進(jìn)行相關(guān)算法的漸進(jìn)收斂性狀的分析及算法加速策略的研究。 其次對當(dāng)前常見的進(jìn)化算法實驗平臺進(jìn)行簡要分析，介紹一個高效架構(gòu)-OpenBeagle，分析其種群結(jié)構(gòu)(Population)，進(jìn)化器(Evolver)，內(nèi)部系統(tǒng)(Internal System)，以及整個架

3、構(gòu)圖，最后討論了如何基于這個架構(gòu)構(gòu)建自己的EC算法。利用OpenBeagle可以構(gòu)建各種GAs，GP，ES，MOEA，Co-GA并且在同一平臺上可以方便有效地比較各種EC算法的性能。本文的算法測試實驗基于此架構(gòu)實現(xiàn)。 本文給出了一種新型的“基于最優(yōu)解定位的遺傳算法”。給出其抽象描述，并且從理論上分析這個算法在滿足若干條件的情況下收斂。針對單目標(biāo)函數(shù)優(yōu)化問題，給出了若干測試函數(shù)的實驗結(jié)果，結(jié)果顯示這一個方法可有效解決常見GAs“或