基于遺傳算法的混合學習和集成學習研究.pdf

1、智能學習領域中,混合智能學習是目前研究的熱點,倍受人們的關注.目前這方面的研究已經取得了很多成果并得到了廣泛應用.對于復雜系統(tǒng),已經推廣到應用三種智能技術或更多混合來進行求解.此外,集成學習這一新提出的學習思想,由于學習應用效果明顯,引起了國內外廣大學者的興趣.該文正是圍繞這兩種學習思想進行了一系列的研究.該文基于混合學習和集成學習的思想,將兩種學習理論應用于遺傳算法,分別來解決組合優(yōu)化問題、遺傳算法參數(shù)選擇問題;基于遺傳算法對集成學習

2、權重進行優(yōu)化.該文的主要工作包括:(1)受混合學習的思想啟發(fā),提出了基于單親遺傳算法和模擬退火的混合優(yōu)化算法.針對單親遺傳算法解決序號編碼問題提出了一種新的編碼方案,大大避免了不可行解的出現(xiàn),縮小了搜索空間;同時在單親遺傳算法中加入了模擬退火思想,增強了遺傳算法的局部搜索能力,解決遺傳算法群體退化的問題;最后,對于一個物流運輸過程中的車輛路徑問題進行了仿真實驗,驗證了該算法的有效性.(2)針對遺傳算法參數(shù)難于選擇的問題,我們將集成學習思

3、想應用于求解遺傳算法的參數(shù)選擇問題.該文主要是將不同的交叉概率、變異概率組合,形成不同的遺傳算法,最后將單個算法的預測準確度作為學習權重來進行集成.最后,在UCI數(shù)據(jù)庫上進行了仿真實驗.特別地通過對帶噪聲數(shù)據(jù)的模擬分類實驗說明了遺傳算法在分類問題中的高預測準確度;并給出了一個度量算法差異性的概率指標,通過該指標的分析,可以得出單個遺傳算法之間差異性很小等特征.(3)對于集成學習的代表性算法Boosting、Bagging進行了研究,并通