進(jìn)化算法中多種信息的利用.pdf

1、優(yōu)化和搜索是兩個普遍問題，科學(xué)和應(yīng)用中的許多問題都可以轉(zhuǎn)化成優(yōu)化問題或者搜索問題。進(jìn)化算法，作為一種模擬生物優(yōu)勝劣汰過程的智能搜索和優(yōu)化算法，有著非常廣泛的應(yīng)用前景?，F(xiàn)階段，它已經(jīng)被大量應(yīng)用到生物信息學(xué)、飛行器設(shè)計、機(jī)器人、人工生命等領(lǐng)域。但是，有關(guān)進(jìn)化算法的理論并不完善，并且進(jìn)化算法的時間性能和精度性能都有待提高。本文研究如何利用多種信息來提高已有進(jìn)化算法的性能和開發(fā)出新的進(jìn)化計算模型，力求進(jìn)一步完善進(jìn)化計算的基本理論和擴(kuò)大其在實(shí)際中

2、的應(yīng)用。 文中只涉及進(jìn)化算法中存在的兩種基本信息：位重要性和群體的統(tǒng)計特性。位重要性普遍存在于二值編碼的進(jìn)化算法之中。我們主要闡述了位重要性和位收斂順序性的概念及其存在的可能性；為了提高遺傳算法中交叉算子的性能，我們提出了基于位重要性的基因重排算法的設(shè)計方案，并用實(shí)驗(yàn)證明了該方案的可行性；建立在位重要性概念的基礎(chǔ)上，我們提出了分層進(jìn)化的思想以及基于該思想的位重要性進(jìn)化算法。 進(jìn)化算法是一種群體搜索算法，統(tǒng)計特性，作為群體

3、的固有特性，理應(yīng)在進(jìn)化算法中得到充分利用。在文中，我們主要分析了變量不相關(guān)邊緣分布估計算法（UMDA）的遺傳漂移現(xiàn)象；提出了UMDA的自適應(yīng)群體規(guī)模設(shè)定策略，研究了UMDA在有噪聲環(huán)境下的性能；在本文的最后部分，我們進(jìn)一步擴(kuò)展了上面提出的UMDA的有噪聲優(yōu)化理論，證明了概率分布估計算法(EDA)在有噪聲環(huán)境下的全局收斂性，從而奠定了EDA在有噪聲優(yōu)化中應(yīng)用的理論基礎(chǔ)。文中為了說明我們所提出 觀點(diǎn)的正確性，一方面通過嚴(yán)格的理論分

4、析、證明，另一方面通過大量 的仿真實(shí)驗(yàn)。理論和實(shí)驗(yàn)相結(jié)合增加了本文所提出方法的可靠性和可擴(kuò)展性。 本文的創(chuàng)新點(diǎn)主要包括如下： 發(fā)現(xiàn)了進(jìn)化算法中的位重要性和位收斂性現(xiàn)象；給出了基于位重要性的基因重排算子的設(shè)計方案，提出了分層進(jìn)化的思想以及建立在該思想基礎(chǔ)上的位重要性進(jìn)化算法；發(fā)現(xiàn)了UMDA中的遺傳漂移現(xiàn)象，在對漂移特性進(jìn)行分析的基礎(chǔ)上，提出了帶平滑濾波器的UMDA；給出了空間熵的概念，以及建立在該概念基礎(chǔ)上的UMD