噪聲干擾影響下的遺傳算法若干問題研究.pdf

1、近年來，以優(yōu)化為基礎(chǔ)的各類問題，如機(jī)器人路徑規(guī)劃、生產(chǎn)作業(yè)計(jì)劃和資源調(diào)度、離散事件動(dòng)態(tài)系統(tǒng)監(jiān)控等，求解的環(huán)境往往非常復(fù)雜，不確定的環(huán)境因素、訓(xùn)練樣本的錯(cuò)誤、人為因素等都可導(dǎo)致問題處在噪聲影響下。因而傳統(tǒng)的優(yōu)化方法求得的全局最優(yōu)解一旦付諸實(shí)施，而當(dāng)實(shí)際情況偏離假設(shè)時(shí)，則不但不能保持最優(yōu)，甚至?xí)?dǎo)致優(yōu)化品質(zhì)的嚴(yán)重下降。本文對(duì)受噪聲干擾下的遺傳算法進(jìn)行了研究，做了以下幾個(gè)方面的工作：
　　(1)從遺傳算法的基本知識(shí)入手，引入噪聲變量，模

2、擬噪聲干擾環(huán)境下的遺傳算法研究。由于噪聲干擾會(huì)導(dǎo)致尋優(yōu)偏移的問題，本文使用平均有效目標(biāo)函數(shù)的方法來進(jìn)行降噪處理，盡量使噪聲對(duì)算法尋優(yōu)的影響降到最低。
　　(2)對(duì)噪聲干擾決策變量的問題進(jìn)行了研究。使用重采樣取得平均有效目標(biāo)函數(shù)的方法降低噪聲的干擾。介紹了遺傳算法魯棒性的相關(guān)概念，引入方差作為遺傳算法的魯棒約束條件。在約束條件下進(jìn)行魯棒尋優(yōu)，在此方法上得到的解穩(wěn)定性更好，抗干擾性更強(qiáng)。
　　(3)對(duì)噪聲干擾適應(yīng)度函數(shù)評(píng)價(jià)問題進(jìn)