基于因子分析的分布估計算法.pdf

1、分布估計算法與傳統(tǒng)遺傳算法一樣，提供了一種求解復(fù)雜系統(tǒng)優(yōu)化問題的通用框架，它不依賴于問題的具體領(lǐng)域，具有很強的自組織，自適應(yīng)和自學(xué)習(xí)等特征，所以在組合優(yōu)化，機器學(xué)習(xí)，生產(chǎn)調(diào)度，過程控制，圖像處理，人工生命等領(lǐng)域都有著廣泛的應(yīng)用前景。由于分布估計算法具有較強的理論基礎(chǔ)，并且較好的改善了簡單遺傳算法存在的連鎖問題，近年來已經(jīng)成為進化計算中研究的熱點。 分布估計算法的關(guān)鍵問題是如何根據(jù)給定問題的結(jié)構(gòu)精確的估計出分布的信息。為了克服顯示

2、關(guān)系模型在估計分布時的缺點，人們提出了基于隱示關(guān)系模型的算法，通過隱含變量機制處理變量間的各種依賴關(guān)系。這類算法可以快速的估計出分布信息，有效地克服了計算量過大的問題，具有很好的研究前景。 本文首先對幾種主要的關(guān)系模型進行了回顧和總結(jié)。重點分析和研究了基于隱示關(guān)系模型的分布估計算法，分別對基于概率主成分分析模型的算法和基于混合因子分析模型的算法進行了分析和改進。本文的主要工作如下： 第一：分析了基于概率主成分分析的分布估

3、計算法在進化過程中存在的多樣性降低過快的問題，這使得算法在相似的領(lǐng)域內(nèi)重復(fù)搜索多次后才能跳出，造成收斂變慢，或早熟收斂。針對這個不足，提出了一種基于小生境的概率主成分分析分布估計算法。實驗結(jié)果表明，該算法能夠有效地防止早熟收斂，提高算法的搜索效率。 第二：分析了基于混合因子分析的分布估計算法在使用EM算法迭代的過程中，由于參數(shù)之間較強的耦合性使得算法收斂速度較慢的問題，以及算法需要預(yù)先固定高斯混合項的個數(shù)因此不具備良好的靈活性和