文化算法及其在建筑創(chuàng)新設(shè)計(jì)中的應(yīng)用.pdf

1、研究表明，文化能使種群以一定的速度進(jìn)化和適應(yīng)環(huán)境，而這個(gè)速度是超越單純依靠基因遺傳生物進(jìn)化速度的。種群在進(jìn)化過(guò)程中，個(gè)體知識(shí)的積累以及群體內(nèi)部知識(shí)的交流在另外一個(gè)層面促進(jìn)群體的進(jìn)化，正是受這些思想的啟發(fā)，Reynolds于1994年提出文化算法(Culture Algorithm)，近年來(lái)引起國(guó)外眾多學(xué)者關(guān)注，目前國(guó)內(nèi)研究較少。文化算法是從文化進(jìn)化過(guò)程抽取出來(lái)的一個(gè)新的進(jìn)化計(jì)算框架，由群體空間和信念空間兩大部分組成，其重要思想就在于從進(jìn)

2、化的種群中獲取待解決問(wèn)題的經(jīng)驗(yàn)知識(shí)，并反饋這些經(jīng)驗(yàn)知識(shí)來(lái)指導(dǎo)搜索過(guò)程，從而提高搜索效率。 文化算法超越傳統(tǒng)的進(jìn)化算法，通過(guò)模擬微觀、宏觀兩個(gè)層面的進(jìn)化，更加準(zhǔn)確地反映了物種的進(jìn)化過(guò)程，與其他進(jìn)化算法相比，文化算法提供了一種明確的機(jī)制來(lái)表示、存儲(chǔ)和傳遞代進(jìn)化時(shí)的知識(shí)，因此在一些問(wèn)題上取得了比傳統(tǒng)進(jìn)化算法更好的結(jié)果，如在約束優(yōu)化問(wèn)題、動(dòng)態(tài)環(huán)境優(yōu)化、數(shù)據(jù)挖掘、多目標(biāo)優(yōu)化等方面都有成功的應(yīng)用。但是由于對(duì)文化算法的研究才剛剛開(kāi)始，還遠(yuǎn)沒(méi)有

3、像遺傳算法和免疫算法那樣形成系統(tǒng)的分析方法和一定的數(shù)學(xué)基礎(chǔ)，有許多問(wèn)題還需要進(jìn)一步研究。尤其是并沒(méi)有引起國(guó)內(nèi)學(xué)者的足夠重視，國(guó)內(nèi)研究極少。因此有必要對(duì)文化算法進(jìn)行深入研究和分析，對(duì)其來(lái)源、基本原理、特點(diǎn)，應(yīng)用等方面展開(kāi)系統(tǒng)全面的研究，以期引起國(guó)內(nèi)更多學(xué)者的關(guān)注，為后續(xù)學(xué)者開(kāi)展相關(guān)研究提供方便。 本文主要工作如下： 1.在查閱大量文獻(xiàn)資料的基礎(chǔ)上，對(duì)文化算法的來(lái)源、基本原理、機(jī)制、特點(diǎn)及應(yīng)用等進(jìn)行了系統(tǒng)研究和詳細(xì)闡述。

4、 2.提出了一種基于模式學(xué)習(xí)的文化算法，該算法采用遺傳算法為文化算法的群體空間提供種群，群體空間在進(jìn)化過(guò)程中定期組織最差個(gè)體向信念空間提供的種群最優(yōu)模式學(xué)習(xí)，從而充分利用了優(yōu)秀個(gè)體所包含的特征信息，在很大程度上提高了收斂速度。 3.提出了一種基于文化算法的粒子群優(yōu)化算法來(lái)求解約束優(yōu)化問(wèn)題，該算法在群體空間采用基于高斯概率分布和柯西概率分布的改進(jìn)PSO算法，在信念空間采用形勢(shì)知識(shí)和規(guī)范化知識(shí)來(lái)指導(dǎo)種群的進(jìn)化，實(shí)驗(yàn)表明，該算法能