進化計算中的若干問題及應用研究.pdf

1、進化計算作為一種新的智能優(yōu)化技術，已廣泛用于工程科學中的各個領域，與傳統(tǒng)優(yōu)化方法相比，進化計算在全局優(yōu)化、復雜性問題的求解及易用性方面都顯示出其優(yōu)越性。進化計算發(fā)展到今天，出現了許多方法，如遺傳算法、進化規(guī)劃、粒子群算法、蟻群算法等等。在對進化計算的研究中，算法設計一直是研究工作的重點，這方面的研究，始終圍繞兩個主題，一是對進化計算應用領域的拓展，二是提高進化計算的工作效率。前者重點放在設計和發(fā)現進化計算的搜索策略上，使其能解決過去不能

2、解決或不能有效解決的問題，后者則著重改進已有的算法，使其效率進一步提高。 本論文圍繞這兩個主題，提出了一些新方法來提高進化算法的性能，另外對一些實際中常碰到的復雜優(yōu)化問題，提出了一些利用進化算法來解決的新方案，全文分為七章，具體的研究內容如下： 第一章首先簡要介紹了進化計算的一些典型分支和各個分支的歷史，再介紹了提高進化計算性能研究工作的現狀，主要對與本論文有關的三種進化方法的研究現狀進行了重點闡述，最后介紹了本文的研究

3、工作和創(chuàng)新點； 第二章主要從群體多樣性出發(fā)，設計了兩種改善進化計算性能的方法，一種稱為平均性能短時退化進化計算方法，在維持群體數量不變的前提下，按照多樣性函數值，選擇部分較差個體加入下一代種群，以維持種群的多樣性。根據當前群體多樣性，設設了一種確定所選較差個體數量的明確關系，算法具有一定的適應性；另一種方法稱為階梯形動態(tài)種群進化方法，與其它的動態(tài)種群方法相比，它既能維持種群多樣性，又保證了每個個體都能得到充分進化，算法的運算量較

4、小。為確定每個階梯上種群數量，根據當前代種群多樣性，設計了一種確定每個階梯上群體數量的自適應方法，并將此方法分別用到遺傳算法和粒子群算法中，驗證了方法的有效性； 第三章主要從染色體的編碼方法入手，研究了復數編碼和遞階編碼方法。利用復數的模和幅角同時對個體染色體進行編碼，設計了一種復數粒子群方法，拓展了群體包含的信息量；另外，針對神經網絡和模糊規(guī)則基的結構和參數難以同時優(yōu)化問題，提出了一種兩階編碼方法，用二進制編碼表示結構，用復數

5、編碼表示參數，利用進化規(guī)劃方法同時實現了神經網絡和模糊規(guī)則基的結構和參數同時優(yōu)化；第三個研究內容是，針對粒子群飛翔時，需要粒子的維數相同，在不同結構的網絡中難實現問題，提出了一種自適應飛翔的粒子群方法，為粒子群在解決不同維染色體問題中作用的發(fā)揮，提供了一種新的思路，通過對RBF網絡的自動設計實驗，證明了方法的有效性； 第四章結合內分泌系統(tǒng)和神經系統(tǒng)對生物行為的共同作用原理，提出了一種基于內分泌調節(jié)機制的粒子群算法，對內分泌系統(tǒng)激

6、素的更新和作用機理進行了重點研究，設計了一種適合于激素更新的函數，對粒子更新過程進行重新調整。實驗證明，此方法在復雜高維函數優(yōu)化問題和機器人全局路徑規(guī)劃問題中起得了良好的效果；第五章提出了一種“逆群”協(xié)作粒子群方法，根據粒子既跟蹤較好的位置(吸引群)又排斥較差位置(排斥群)的原理，利用兩個行為不同子群之間的相互協(xié)作來提高粒子群算法的性能，避免了僅采用吸引群時粒子易陷入局部收斂的弱點，又克服了僅采用排斥群時，由于缺乏較好粒子的引導，出現粒