分享到:

小生境与并行遗传算法研究

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法,其应用优势在于处理传统搜索方法难于解决的复杂和非线性问题,已在许多领域得到应用。但遗传算法在理论与应用技术上还存在着许多不足和缺陷,本文用模式理论对遗传算法的问题加以分析,提出:造成遗传算法“早期收敛”的主要原因是群体中包含的模式块种类较少;收敛速度慢则主要是进化中群体所含模式块变化较小造成的。为了较好的解决遗传算法的这两类问题(“早熟”现象与收敛速度慢),我们对传统的遗传算法做了改进。针对遗传算法的“早熟”问题,本文提出了一种改进的小生境遗传算法:三选一的优选法则,有利于初始群体个体的多样化;构造了小生境对,通过适应度函数加强了小生境群体间的横向联系,使得优良个体得到流通,协调了群体的进化速度;引入了自变异算子,有利于群体进化过程的多样化从而提高算法的搜索能力。理论分析与实验表明:算法的收敛效率得到提高,有效地克服遗传算法的提前收敛。传统的遗传算法在解决一些实际问  (本文共52页) 本文目录 | 阅读全文>>

湖南大学
湖南大学

模式交流多群体遗传算法及其在神经网络进化建模中的应用

针对遗传算法的早熟收敛与神经网络进化建模问题,论文对于多模态优化问题动态特性、基于模式交流算子的模式交流多群体遗传算法(SCMPGA)框架、基于SCMPGA框架的ANN进化建模算法、电力负荷预测系统中自动建模等几方面进行了深入的研究。论文的主要创新点与研究成果如下:在总结目前遗传算法研究成果基础上,研究了多模态优化问题的进化过程动态性质。针对遗传算法的多模态优化问题,定量地给出了多个小生境间个体竞争特性,定性地分析了多模态优化问题的早熟收敛现象产生机理,指出了多模态问题的小生境欺骗问题是导致其早熟收敛的根本原因。针对一般遗传算法在化解多模态优化问题早熟收敛现象时的缺陷,借鉴现代生物进化理论和人类文明与科技进步的有效机制,论文提出了模式交流多群体遗传算法(SCMPGA)思想与框架。该方法为遗传算法引入了基于模式的基因记忆、学习与收敛方向选择能力,并从理论上分析了其全局收敛性与计算效率,开拓了遗传算法化解早熟收敛现象的新研究方向。神...  (本文共110页) 本文目录 | 阅读全文>>

湖南大学
湖南大学

快速有效收敛遗传算法的研究

遗传算法作为一种基于生物界自然选择和遗传原理的高效的搜索技术,已成功的应用于工程设计,工商管理,科学实验等领域中的复杂优化问题的求解。然而,GA在进化寻优的过程中将不可避免地使种群的多样性渐失,可能使种群收敛于局部极值,形成“早熟”收敛。当前对此问题所作的大量研究工作,其解决方法大致可为分为三类:1)增加群体规模;2)静态或动态调整交叉和变异概率;3)加入其他算子。本文分析和研究几种常用的维持种群多样性的遗传算法,在此基础上提出了两种新的遗传算法,给出了理论分析,并进行了仿真实验。本文的主要工作如下:1)深入研究小生境算法,变异算子和并行遗传算法的基本理论及其进化机理以及如何有效的维持种群多样性,克服“早熟”收敛的原理。2)根据共享小生境遗传和变异算子能增强和保持生物种群的多样性的特点,提出一种共享变异算子,该算子有效的维持种群的多样性,防止“早熟”收敛,同时确定变异的方向,确保好的模式被保存下来,提高算法搜索性能。在求多极值进...  (本文共57页) 本文目录 | 阅读全文>>

广东工业大学
广东工业大学

自动导引车路径规划的遗传算法研究

随着市场竞争的加剧和自动化程度的提高,制造业的发展日新月异,传统制造业的生产方式发生了深刻的变化,同时对生产车间物料搬运作业自动化、柔性和高效性提出了更高的要求,自动导引车(Automated Guided Vehicle, AGV)作为自动化生产车间内的重要的运输工具,对其进行合理的调度对于提高生产效率和产品竞争力、降低生产成本具有非常重要的意义。AGV路径规划正是在此背景下发展起来的一个重要研究领域。本文研究的是自动化生产车间内的AGV路径规划问题。根据环境条件和运行参数的不同,分别进行问题建模、遗传算法设计和仿真分析。主要工作如下:1.研究了单AGV路径规划问题。在建立相应的问题模型的基础上,设计了遗传算法求解,仿真结果表明本算法可行。2.研究了静态环境下的多AGV路径规划问题。建立了问题的数学模型,提出了一种自适应的遗传算法。该算法对交叉概率和变异概率采用基于模糊控制的在线自适应调整。仿真分析表明,所提出的算法具有较好的...  (本文共81页) 本文目录 | 阅读全文>>

《现代电子技术》2005年15期
现代电子技术

基于小生境伪并行遗传算法的自主机器人路径优化

全自主智能机器人路径规划是实现自主机器人智能的一项关键技术 ,其任务是在具有障碍物的构形空间中 ,按照一定的评价函数 ,寻找一条从初始位姿到达目标位姿的无碰撞路径。在自主机器人游历比赛中 ,实际要解决的是一个路径优化问题。最优路径的求解可用 TSP来描述 ,作为一类典型的组合优化方法 ,其范畴属于经典的 NP完全问题 ,可以描述为 :给出一个图 G =(V,L) ,每条边 l∈ L上有一非负权值ω(l) ,寻找 G的 Hamilton圈 C,使得 C的总权值 W(C) =∑l∈ l(c)ω(l)最小。当遍历点的数目 n增大时 ,该数学模型的解空间以指数级增长 ,即空间复杂度和时间复杂度都会以超指数增长 ,这样容易产生“组合爆炸”,这是一些求解 TSP问题的经典算法 ,诸如邻近算法、贪心算法、动态规划法、分支界定法、最近插入法和双极小生成树法等所不能克服的。自主机器人游历比赛要求较小的计算量和较短的求解时间 ,针对这一要求 ,提...  (本文共4页) 阅读全文>>

《模式识别与人工智能》2009年02期
模式识别与人工智能

基于聚类的伪并行遗传算法

1引言遗传算法思想来源于生物进化过程,它是基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的全局优化概率搜索算法[1-2].该算法具备良好的全局搜索能力、信息处理的隐并行性、鲁棒性和可规模化等优良性能.但是,在大量实际优化问题的求解中,不仅要求在可行域内寻找全局最优解,而且往往需要搜索多个全局最优解和有意义的局部最优解,从而为决策者提供多种选择或者多方面的信息.这类问题一般称为多峰函数优化问题或多模态函数优化问题.遗传漂移[3]指种群不受变异的影响而均匀收敛于单一个体的趋势.其起因来自于选择压力、采样误差和基因重组等因素的影响.在多模态函数优化中应尽量避免遗传漂移现象.小生境遗传算法通过利用专门设计的遗传算子来抑制遗传漂移,取得了较好效果.但是,小生境遗传算法参数的确定非常困难,如:共享半径和排挤因子.而且,Smith等人[4]指出计算个体与种群中的其它个体的距离的复杂度为O(N2)(N是种群规模),限制了共享小生境遗传算法...  (本文共7页) 阅读全文>>