基于合作協(xié)同策略的演化算法研究.pdf_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、優(yōu)化問題是日常生活與工作中普遍存在的重要問題。演化算法作為一類高效啟發(fā)式優(yōu)化算法,近二十年也取得了很大的發(fā)展,發(fā)展出一系列新的算法和技術(shù),如GP,DE,PSO,ACO等。傳統(tǒng)演化算法在解決低維問題上取得了很好的效果,當變量個數(shù)不多的時候,能夠很快找到最優(yōu)解;但當問題規(guī)模增大時,其求解難度也急劇增加,許多經(jīng)典演化算法都失去了其在低維中的性能和表現(xiàn)。而實際工程應(yīng)用中的很多優(yōu)化問題都是大規(guī)模的,并且變量之間還可能存在復(fù)雜的相關(guān)性,迫切需要有效

2、和高效的大規(guī)模優(yōu)化算法。
  合作協(xié)同是提高演化算法求解高維問題能力最有效的策略之一。近年來,基于合作協(xié)同策略的高維數(shù)值優(yōu)化演化算法的研究主要集中在變量相關(guān)性估計、問題分解與降維、演化狀態(tài)判斷、多策略自適應(yīng)選擇、以及自適應(yīng)策略設(shè)計上。本文主要基于粒子群優(yōu)化(PSO)算法,研究了大規(guī)模全局優(yōu)化相關(guān)技術(shù),主要工作及成果如下:
  1)對基于合作協(xié)同演化策略的粒子群優(yōu)化算法(CCPSO)進行了實驗研究,對其在大規(guī)模數(shù)值優(yōu)化問題上的

3、性能表現(xiàn)進行了分析。
  2)對基于隨機分組策略的CCPSO中粒子速度進行跟蹤觀察,發(fā)現(xiàn)當問題真實最優(yōu)解的某些維靠近其取值邊界時,算法執(zhí)行后期,粒子的速度在該維上經(jīng)常處于發(fā)散狀態(tài),導(dǎo)致算法在后期很難收斂。基于此觀察,本文提出了速度隨機重置技術(shù)來解決速度發(fā)散問題,其執(zhí)行概率隨適應(yīng)度評估次數(shù)的增加而增加。實驗結(jié)果表明,速度隨機重置技術(shù)能有效改善算法后期的收斂性,并獲得較好優(yōu)化結(jié)果。
  3)對多子代抽樣(MOS)演化算法進行了研

4、究?;凇癗o Free Lunch”理論,采用競爭學(xué)習(xí)方法,對多個子代算法的表現(xiàn)進行跟蹤,采用賭輪算法進行選擇,表現(xiàn)好的算法有更多的概率參與優(yōu)化,使得不同的優(yōu)化問題可以更好地選擇適合該問題的算法。
  4)演化算法在執(zhí)行過程中,群體的搜索區(qū)域會隨時間而變化。解空間不同區(qū)域的fitness landscape對算法的性能需求不盡相同。本文通過對粒子當前的分布進行判斷,并根據(jù)判斷結(jié)果選擇不同的子算法實施優(yōu)化,取得較好的實驗結(jié)果。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論