分享到:

遗传优化算法及其在数据挖掘中的应用

本文对遗传算法的生物学原理,数学基础,搜索机理和特性作了全面深入的分析,并在此基础上从解决现有的早熟收敛难题和提高约束优化搜索的效率以及探索新的执行策略出发,提出四个方面的新内容。1.为了排除性能增益不大的个体,防止算法陷入局部极优,提出了扰动执行策略,即对所产生的后代个体施加一定幅度的扰动,再决定是否接受该后代,从而防止了不良个体无条件地进入候选集。2.为使算法在陷入局部极优后能自动跳出,提出了模拟蚂蚁觅食的执行策略,这种策略是模拟蚂蚁觅食中不断调整不断转移目标而启发设计的,要点是在算法进入局部极优后不再执行原有的交叉操作,而是与游荡个体相交叉,未得到交叉的个体则以后备个体相替换。3.为提高约束优化的搜索质量,提出了基因优劣编码,其重点是精确模拟自然进化机制,着重强调各基因位对优化目标的价值作用,越有利于优化目标的基因位越有价值,从而使问题空间的有益信息得到了充分利用。4.在分类规则提取系统中,为了更好地提高算法的寻优和保优能  (本文共72页) 本文目录 | 阅读全文>>

《电脑编程技巧与维护》2010年04期
电脑编程技巧与维护

遗传算法及其在数据挖掘中的应用

遗传算法是一种模拟生物进化过程的自适应全局优化算法,是解决现代非线性优化问题的一种重要方法。作为一种全局优化算法...  (本文共4页) 阅读全文>>

华侨大学
华侨大学

基于遗传算法的最优化控制研究

本文对遗传算法的进展、遗传算法的改进以及遗传算法在控制系统优化设计中的应用进行了系统研究。内容包括遗传算法设计、遗传算法的改进、经典控制器参数的优化设计、数字控制器结构与参数的同时优化设计以及控制器参数的在线仿真优化设计等。论文的第一章概括了国内外遗传算法在最优化控制领域的研究现状,提出了本文的学术思想,指出了本项研究的科学意义和应用前景。第二章对标准遗传算法及其重要影响因素进行了介绍与剖析。自从Holland教授提出遗传算法以来,对其改进的研究层出不穷,涉及到编码、操作程序、选择机制、自适应交叉与变异、并行化以及与其它方法融合使用等等方面,其中,自适应交叉与变异的研究大多针对经典的二进制编码。在应用于实际课题时,遗传算法尚未找到普遍适用的操作方法,需要结合课题自身特点精心设计。本文的第三章提出了本课题的遗传算法。控制系统参数优化属于连续参数优化问题,采用实数编码会有更好的性能,第四章提出了一种新型的实数编码遗传算法的自适应交叉...  (本文共86页) 本文目录 | 阅读全文>>

大连理工大学
大连理工大学

遗传算法及其在结构优化中的应用

遗传算法是近年来兴起的一种寻优方法。本文介绍了遗传算法的基本理论和具体实施,并将此方法应用于结构优化。在总结前人工作的基础上,应用了改进的遗传算子。对约束优化问题,采用射线步调整法以及准精确罚函数法来处理约束。应用应变能密度准则,选用应变能密度形式的适应值函数做遗传优化,为今后应用最大应变能准则来提高计算效率打下了基础。为克服遗传算法计算量大的弱点,基于遗传算法的并行特性,提出一种粗粒度并行遗传算法,在微机上进行了模拟并行计算,并且在并行机上得以实现,比较出了并行计算的加速比和效率。本文给出了遗传算法用于桁架结构优化的算例,并与其他优化方法的结果进行了比较。  (本文共87页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

遗传算法的若干理论分析

遗传算法是借助生物界自然选择和遗传学机理而建立的一种迭代全局优化随机搜索算法,是一种求解复杂系统优化问题的通用框架。它不依赖于问题的具体领域,具有简单、通用、较强的自适应性和鲁棒性,以及适于并行处理等显著特点,因此被广泛应用于众多领域。作为一种仿生算法,遗传算法的应用研究远远领先于算法的基础理论研究。现有的遗传算法的相关理论:修正的模式定理、马氏链收敛分析等在一定程度上奠定了遗传算法的理论基石,促进了理论研究和应用研究的进一步发展。但是,遗传算法的全局收敛性、计算复杂性、算子的运行机理等方面还缺乏严格意义上的数学分析,这已经成为遗传算法发展的瓶颈。本文对遗传算法的一些基本问题,如算法的编码方式、收敛性、算法参数设置和算子设计等方面,进行了深入的研究分析,提出了一些有效的分析方法。具体包括以下几部分内容:1.针对各种遗传算法的收敛性,提出了一个统一的收敛准则。在利用马氏链分析了三种典型的遗传算法的收敛性的基础上,通过对比几个证明过...  (本文共65页) 本文目录 | 阅读全文>>

湖南师范大学
湖南师范大学

改进的遗传算法

遗传算法是计算机科学和进化论相结合的产物,它不仅有包括自组织、自适应、和自学习性在内的智能特性,而且还具有内在本质并行特性,这些特性使它具有非常广泛的应用范围。本文首先对遗传算法的起源和原理进行了讨论,阐述了遗传算法的应用和发展方向;指出了传统遗传算法具有收敛速度慢及易于陷入局部最优值误区的缺陷,分析了它们产生的原因,提出了解决这些缺陷的方法。其一是通过增加外族个体来增大种群的多样性,加快种群的收敛速度,使演化过程能跳出局部最优值的误区,从而演化出更好的个体。并且对外族个体增加的数量和加入的时机进行了研究。通过对两个数值例子较详细的叙述展示这一技巧的独特优势。其二是提出了一重演化和二重演化的新结构,给出了二重演化的步骤,在数学建模的演化计算中验证了这一结构的合理性和效率。  (本文共33页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

遗传算法的改进及其在优化问题中的应用研究

遗传算法是模拟自然界生物进化过程与机制求解优化问题的一类自组织、自适应的随机搜索算法。它借鉴达尔文“优胜劣汰、适者生存”的自然进化理论和孟德尔的遗传变异理论,将问题的求解表示成“染色体”的适者生存过程,通过对“染色体”群一代代的不断进化,包括选择、交叉和变异等操作,从而使群体最终搜索到“最适应环境”的个体,即求得问题的最优解或满意解。遗传算法是一种非常通用的优化算法,其编码技术和遗传操作比较简单,对优化问题的限制性条件要求很低,具有很强的并行性和全局搜索能力。它能解决很多类实际问题,目前已经在机器学习、模式识别、图像处理、优化控制、组合优化和管理决策等领域得到了很好的应用。尽管遗传算法在很多领域得到了很好的应用,但它毕竟是一门新学科,其理论和方法尚未成熟,算法自身的一些不足也有待于进一步地改进和完善。目前,关于遗传算法自身的研究工作主要集中在下面两个方面:(1)遗传算法设计与执行策略的改进。这些改进主要集中在两个方面:一是对算法...  (本文共61页) 本文目录 | 阅读全文>>