分享到:

基于多种群进化小生境遗传算法的神经网络进化设计方法研究

1 引  言  将进化计算方法与神经网络相结合,用于解决非线性系统建模问题已得到广泛重视[1]。如果把神经网络模型的优化设计看作是一个网络结构与联接权值空间的进化计算优化问题,则其性能函数显然是一个无界、离散、非连续、非可微的复杂曲面,包括网络训练误差、网络结构复杂度、网络泛化能力和网络学习能力等多方面因素。训练算法采用网络结构与联接权值联合编码并同时进化的策略,问题解空间则是网络结构离散空间与节点联接权值连续空间的有机结合,它由一系列局部子解空间组成。子空间内的寻优问题实际上是固定网络结构的神经网络最优联接权值连续优化问题,而在全局则是混合的多峰优化问题。借鉴多峰函数优化中峰的概念,可将子空间中的局部最优个体作为解空间的峰,解空间全局寻优即是在各局部峰之间寻优[2]。采用此编码策略的神经网络进化设计问题,具有如下特点:1)解空间是多峰的,可依据这些峰划分一系列子空间;2)子空间划分基于特定的基因段标识,即神经网络结构基因段,进...  (本文共4页) 阅读全文>>

《哈尔滨工业大学学报》2006年12期
哈尔滨工业大学学报

基于遗传算法的企业种群进化能力评价

随着环境变化程度的加剧,企业在发展过程中要随时调整自己的系统结构以适应环境的变化,保持较高的进化能力.然而,企业作为生命有机体不能独立的生存,它必然会同外界环境及其他企业之间产生复杂的关系,形成具有一般系统属性的企业种群.在企业种群中,企业与环境的适应性更具有相对意义.在评价企业进化能力时,仅考虑企业自身的进化过程是片面的,必须对企业种群的进化能力进行评价,寻求提高企业种群进化能力的途径,从而为个体的进化提供更有说服力的理论支持.1企业种群及企业种群的进化1·1企业种群的内涵单个企业并不是在自我封闭的空间内进化发展,而更为普遍的事实是同一产业中存在多个具有适应性进化能力的企业,同时,与该产业相关的支持性和竞争性产业中同样存在着多个个体企业,他们共同构成了该产业领域中的企业种群.我们认为:所谓企业种群是指具有相似或相同的关键产品、组织知识和技巧的相互作用的个体企业的集合.1·2企业种群进化的内涵企业种群进化是指具有相似或相同的关键...  (本文共4页) 阅读全文>>

《数值计算与计算机应用》2010年02期
数值计算与计算机应用

基于多种群进化算法的多目标并行博弈设计

数值计算与计算机应用2010年1.引言现实中许多决策设计都是多目标问题,就工程结构的理想设计而言,希望设计方案既经济、安全,又稳定可靠,因此在设计中往往需要兼顾多个目标.目前求解多目标问题,主要采用基于数学规划理论的优化方法.Peri~J及J.F.研厄ng等在文献【1一司提出将多目标决策问题与博弈论、遗传算法从本质上联系起来的思想,并且将其运用到多机翼优化设计、多标准反转动力优化等问题;suheylaoZ,tnldn刀工nm[s]比较系统的提出了基于N朋h均衡非合作博弈优化方法,并且对不可再生资源模型进行了优化,计算结果显示该方法优化效率高,结果更优.谢能刚卜sl详细研究了基于Nash均衡模型和StaC骊lberg寡头模型的多目标博弈求解方法,给出了具体的博弈分析步骤,提出了多目标博弈并行化的高性能计算方法.将多目标博弈分析方法应用于工程设计领域,由于工程结构的分析复杂、信息量大、决策变量多,博弈决策分析趋向复杂化和大型化,因此...  (本文共11页) 阅读全文>>

《计算机工程与应用》2008年11期
计算机工程与应用

一种基于蜜蜂双种群进化的遗传算法

1引言遗传算法(Genetic Algorithm,GA)[1,2]从1975年提出至今已成功地解决很多难题,并取得了广泛地应用。但是简单的遗传算法在应用过程中易出现过早收敛的问题,即“早熟”现象[3]。引起“早熟”的主要原因是在进化初期群体中个体的多样性迅速降低,使得算法过早收敛,从而可能丢失一些有意义的搜索点和最优点,而进入局部最优。从基因层面上解释为有效的等位基因的缺失,由于杂交操作不会产生新的基因,而选择算子的作用在于加快算法的收敛过程,这就不可避免会造成某一类基因在特定基因位置的比例下降,导致该基因位上的基因缺失,从而使得算法不能收敛到最优解。虽然变异操作有可能恢复缺失的等位基因,但同时变异操作又无法保持同一基因位置上基因的多样性[3]。而在结束阶段,即使种群保持了很大的多样性,但如果所有或大多数个体都有很高的适值,使得种群的平均适值和最大适值相差不大,那么平均适值附近的个体和具有最高适值的个体,在比例选择的机制下被选...  (本文共4页) 阅读全文>>

《广西科学院学报》2011年04期
广西科学院学报

双种群进化策略解奇异非线性方程组

奇异非线性方程组在工程设计、最优控制中经常遇到,其数学模型如下:对于非线性方程组F(x)=0,x∈Rn,(1)存在着某些点x*∈Rn,使得rank[F'(x*)]n.这表明代表函数导数的Jacobi矩阵亏秩,也就是F(x)的Frechet导数F'(x)不可逆,因此在迭代过程中存在奇异点,不能应用传统的Newton迭代法求解.虽然该模型提出已久,但是对其求解的研究并不多.Rall等对此作出了较为系统而又有开创性的工作,解决了F'(x)不可逆问题,提出了Newton方法在Banach空间上的收敛性定理,还提出过数值延拓法.但是,现行大多数的方法还是需要计算Jacobi矩阵,并且每次迭代过程中还需要计算修正后的F'(x)的逆.算法复杂,计算量大并且多数局部收敛,使用价值不大.进化策略(ES)是一类模仿自然进化原理以求解参数优化问题的算法.本文参照文献[1]提出一种基于删除策略的双种群进化策略,并用该策略求解奇异非线性方程组.数值实验表...  (本文共4页) 阅读全文>>

《计算机应用与软件》2009年11期
计算机应用与软件

混沌蜜蜂双种群进化遗传算法

0引言以传统的遗传算法GA(Genetic A lgorithm)为基础,由蜜蜂种群繁殖进化的过程启示,从中抽取出适合改进GA的一些机制并加以改进,一类蜜蜂种群繁殖进化算法已被提出[1,2]。混沌是存在于非线性系统中的一种较为普遍但具有精致内在的现象。混沌优化方法采用混沌变量进行搜索,搜索过程按照混沌运动自身规律进行,它具有随机性、遍历性、规律性等独特的性质,因而更有可能跳出局部极小[3,6]。部分学者在混沌搜索和GA的结合方面也做了一些工作,如文献[5]在GA的变异操作中引入混沌变量并将其用于神经网络权值的优化,文献[6]将混沌GA用于多目标优化问题等。1混沌蜜蜂双种群进化GA1.1 GA与混沌搜索GA是一类借鉴生物界的进化规律演化而来的搜索方法。主要包含选择、交叉和变异操作。选择是从当前群体中选出个体适应度较高的个体即优良个体的操作。交叉用来产生新个体,交叉概率一般取值为0.5~0.95。变异主要用来维持群体多样性,变异概率...  (本文共4页) 阅读全文>>