基于物種進(jìn)化的遺傳算法研究.pdf

1、遺傳算法作為一種仿生智能優(yōu)化技術(shù),克服了梯度搜索技術(shù)的不足,已經(jīng)廣泛地應(yīng)用在工程科學(xué)上的許多領(lǐng)域。與基于微積分理論的傳統(tǒng)優(yōu)化方法相比,遺傳算法在全局優(yōu)化、復(fù)雜設(shè)計(jì)、復(fù)雜目標(biāo)函數(shù)優(yōu)化及易用性等方面都顯示出了其優(yōu)越性,成為計(jì)算智能研究中的熱點(diǎn)。
　　 在分析簡(jiǎn)單遺傳算法和各種改進(jìn)算法的基礎(chǔ)上,以達(dá)爾文進(jìn)化論和孟德?tīng)栠z傳學(xué)為總的指導(dǎo)思想,力求模仿生態(tài)學(xué)的方法和現(xiàn)象、結(jié)合生物工程上的技術(shù)手段以及借鑒其它學(xué)科的一些原理和方法,來(lái)改進(jìn)簡(jiǎn)單遺

2、傳算法,旨在提高收斂精度和全局收斂率。具體內(nèi)容如下:
　　 研究了遺傳算法中的物種培育問(wèn)題。模仿生物工程上的不同育種技術(shù),提出了三種育種遺傳算法,即雜交育種遺傳算法、誘變育種遺傳算法和選擇育種遺傳算法。通過(guò)對(duì)全局最小值和全局最大值的復(fù)雜函數(shù)優(yōu)化,分析比較了各種育種遺傳算法的優(yōu)缺點(diǎn)。
　　 研究了遺傳算法中的物種進(jìn)化環(huán)境。小生境遺傳算法反應(yīng)物種不是獨(dú)立存在的,而是相互聯(lián)系,相互影響的。懲罰小生境遺傳算法具有優(yōu)良的性能,常用

3、于多模態(tài)函數(shù)的優(yōu)化,但小生境半徑困擾著這一技術(shù)的運(yùn)用。針對(duì)這一問(wèn)題提出了基于優(yōu)良種子的懲罰小生境遺傳算法,采用簡(jiǎn)單遺傳算法對(duì)待求解問(wèn)題進(jìn)行初步探索,通過(guò)多次運(yùn)行得到優(yōu)良種子集,種子之間的幾何位置關(guān)系可以幫助小生境距離的確定。
　　 在解決類似旅行商之類的非確定性多項(xiàng)式問(wèn)題時(shí),先驗(yàn)知識(shí)的應(yīng)用對(duì)難題的解決是很重要的。提出了基于優(yōu)良種子分段方法,使用“分而治之”的策略,可望將復(fù)雜問(wèn)題的“無(wú)窮盡處理法”變?yōu)椤坝邢捱x擇法”。時(shí)間上的計(jì)算問(wèn)

4、題一旦在空間上采用某種有序劃分,復(fù)雜過(guò)程可以約化為簡(jiǎn)單的處理程序。以優(yōu)良種子為先驗(yàn)知識(shí),進(jìn)行有序劃分,從而找到接近最優(yōu)值的滿意解。
　　 研究了物種基因多效性的問(wèn)題。模仿生物中的一因多效的現(xiàn)象,提出了基于一因多效的遺傳算法,突破了基因型與表現(xiàn)型之間的慣用的一一對(duì)應(yīng)關(guān)系,在算法中首次建立了一個(gè)基因型對(duì)應(yīng)多個(gè)表現(xiàn)型的非線性仿生關(guān)系。研究表明一因多效遺傳算法易于維護(hù)種群的多樣性,可以運(yùn)用小規(guī)模種群運(yùn)算,以提高算法的運(yùn)行效率。
　

5、　 本文的創(chuàng)新點(diǎn)如下:
　　 1.依據(jù)生物工程上的育種技術(shù)提出了三種不同的育種遺傳算法,即雜交育種遺傳算法、誘變育種遺傳算法和選擇育種遺傳算法。
　　 2.采用極值點(diǎn)探求法挖掘待求函數(shù)信息,指導(dǎo)小生境距離的確定。以解決懲罰小生境遺傳算法關(guān)鍵參數(shù)選取問(wèn)題,有助于算法的推廣應(yīng)用。
　　 3.采用開(kāi)放路徑優(yōu)化和片段重疊優(yōu)化技術(shù),以解決大規(guī)模旅行商問(wèn)題降維后,端點(diǎn)的連接與優(yōu)化問(wèn)題。
　　 4.提出了基于一因多效