2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、在當(dāng)代科學(xué)技術(shù)的各個(gè)領(lǐng)域都存在各種各樣的優(yōu)化問題,形成的數(shù)學(xué)模型也各不相同。近年來,進(jìn)化計(jì)算在解決復(fù)雜優(yōu)化問題方面取得了很大的成就。但是在如何根據(jù)具體的問題設(shè)計(jì)有效的進(jìn)化算法以提高計(jì)算速度及解決約束優(yōu)化問題等方面還有許多工作需要去做。遺傳算法中的積木塊假設(shè)使遺傳算法具備了搜索到全局最優(yōu)解的能力,但遺傳操作算子在解決一些問題時(shí)卻會(huì)破壞積木塊,使它們無法有效重組,因此無法生成全局最優(yōu)解。研究如何保護(hù)在搜索過程中獲得的優(yōu)良模式(即積木塊)不受

2、遺傳算子的破壞,并對(duì)它們有效重組,成為近年來進(jìn)化與遺傳算法研究領(lǐng)域關(guān)注的一個(gè)重要課題。這導(dǎo)致了一類新的進(jìn)化算法的出現(xiàn),即分布估計(jì)算法。本文對(duì)分布估計(jì)算法進(jìn)行了研究,論文的主要工作和創(chuàng)新之處有: (1)提出了兩種新的用于連續(xù)函數(shù)優(yōu)化的分布估計(jì)算法,它們都是利用高斯混合模型(GMM)對(duì)解空間中的優(yōu)良解所在區(qū)域進(jìn)行建模,分別采用“Boosting”技術(shù)和貪心的EM算法對(duì)GMM進(jìn)行學(xué)習(xí),實(shí)現(xiàn)了模型結(jié)構(gòu)和模型參數(shù)的自動(dòng)學(xué)習(xí),消除了此前ED

3、As對(duì)模型結(jié)構(gòu)先驗(yàn)知識(shí)的依賴。 (2)提出了一種基于高斯概率分布估計(jì)和一種基于邊緣分布估計(jì)的多目標(biāo)優(yōu)化算法,它們分別在每一進(jìn)化代中通過估計(jì)較優(yōu)個(gè)體的高斯概率分布和邊緣概率分布來引導(dǎo)各自對(duì)Pareto最優(yōu)解的搜索。通過與Pareto排序、基于擁擠機(jī)制的多樣性保持等技術(shù)的有機(jī)結(jié)合,使得這兩種算法在具有良好收斂性能的同時(shí),具有很好的維持群體多樣性的能力。由于算法采用了概率模型比較簡(jiǎn)單,在進(jìn)化的過程中估計(jì)概率分布時(shí)不用學(xué)習(xí)變量間復(fù)雜的結(jié)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論