版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、分布估計(jì)算法(EDAs)通過將統(tǒng)計(jì)學(xué)習(xí)理論與進(jìn)化算法結(jié)合,形成一種全新的進(jìn)化模式,是進(jìn)化計(jì)算領(lǐng)域的研究熱點(diǎn)。分布估計(jì)算法從提出到現(xiàn)在雖然取得了一定的進(jìn)展,但是還有很多問題需要深入研究,例如理論分析、算法設(shè)計(jì)、應(yīng)用研究等。本文以分布估計(jì)算法為基礎(chǔ),根據(jù)算法的類型和特點(diǎn),主要從算法性能的改進(jìn)以及在動(dòng)態(tài)優(yōu)化問題中的應(yīng)用兩個(gè)方面進(jìn)行了研究,主要?jiǎng)?chuàng)新成果如下: 1.研究了分布估計(jì)算法的收斂性,首先通過在期望分布基礎(chǔ)上引入一個(gè)誤差量,建立有
2、限群體分布估計(jì)算法模型;然后在三種不同的常用選擇策略下證明了EDAs的收斂性。結(jié)果顯示在有限群體模型下,在本文所述誤差范圍內(nèi)分布估計(jì)算法具有全局收斂性。 2.針對(duì)多變量相關(guān)的分布估計(jì)算法(Bayesian優(yōu)化算法:BOA),從三個(gè)方面對(duì)算法進(jìn)行了改進(jìn)研究。首先,針對(duì)BOA計(jì)算量大的問題,提出了結(jié)合局部結(jié)構(gòu)學(xué)習(xí)的Bayesian優(yōu)化算法并分析了算法的復(fù)雜度;其次,討論了一般優(yōu)化問題先驗(yàn)知識(shí)的挖掘和利用方式,把BOA中前一代種群所提
3、供的信息作為先驗(yàn)知識(shí)結(jié)合到當(dāng)前代Bayesian網(wǎng)絡(luò)的學(xué)習(xí)中,提高了所學(xué)習(xí)網(wǎng)絡(luò)的可靠性,從而提高算法的性能;最后,討論了BOA的多樣性,設(shè)計(jì)了一個(gè)種群多樣性函數(shù),通過此函數(shù)引入變異算子,以保持種群多樣性,避免算法陷入局部最優(yōu)。以上算法均通過仿真實(shí)驗(yàn)表明了算法的有效性。 3.提出一種改進(jìn)的基于群體的增量學(xué)習(xí)分布估計(jì)算法(PBIL算法),利用改進(jìn)的算法求解了一類特殊的動(dòng)態(tài)優(yōu)化問題。首先從動(dòng)態(tài)環(huán)境隨時(shí)間變化的特點(diǎn)進(jìn)行分析,歸納出一類何
4、時(shí)變化滿足一定統(tǒng)計(jì)分布的動(dòng)態(tài)優(yōu)化問題。然后針對(duì)這類問題提出自適應(yīng)PBIL算法,根據(jù)何時(shí)變化這個(gè)隨機(jī)變量的概率自適應(yīng)的調(diào)整當(dāng)前代群體的概率模型,增加種群多樣性,快速適應(yīng)環(huán)境的變化,最后對(duì)設(shè)計(jì)的算法進(jìn)行了比較性仿真驗(yàn)證。 4.針對(duì)動(dòng)態(tài)離散優(yōu)化問題,采用多群體的思想,提出了一種多群體單變量邊緣分布算法(MUMDA),利用多個(gè)概率模型(對(duì)應(yīng)多個(gè)群體)將搜索空間分成幾個(gè)部分,通過對(duì)不同區(qū)域的搜索或者探索并對(duì)好解進(jìn)行遷移,擴(kuò)大搜索空間,增加
5、種群多樣性,跟蹤最優(yōu)解的變化,并證明了所提算法的收斂性。比較分析表明,所提算法能快速跟蹤最優(yōu)解。 5.針對(duì)動(dòng)態(tài)單目標(biāo)優(yōu)化問題,提出一種自組織策略,利用當(dāng)前環(huán)境的局部信息和最優(yōu)解的歷史信息,自適應(yīng)的增加種群多樣性,將自組織策略與單變量邊緣分布算法(UMDA)結(jié)合,提出一種新的自組織單變量邊緣分布算法(SOUMDA),利用動(dòng)態(tài)sphere函數(shù)對(duì)所提算法進(jìn)行了測(cè)試。 6.針對(duì)動(dòng)態(tài)多模優(yōu)化問題,提出一種新的多群體及擴(kuò)散單變量邊緣
6、分布算法(MDUMDA),多群體方法用來(lái)并行地尋找多個(gè)最優(yōu)解,擴(kuò)散模型用來(lái)有指導(dǎo)的增加種群多樣性,使得前一環(huán)境的最優(yōu)解的鄰域集逐漸遠(yuǎn)離這一最優(yōu)解并擴(kuò)大搜索空間,使算法快速適應(yīng)環(huán)境的變化。利用動(dòng)態(tài)優(yōu)化問題標(biāo)準(zhǔn)測(cè)試?yán)覯PB對(duì)所提算法進(jìn)行測(cè)試,仿真結(jié)果表明了算法的有效性。 7.針對(duì)動(dòng)態(tài)多目標(biāo)優(yōu)化問題,提出了一種基于預(yù)測(cè)模型的正則分布估計(jì)算法(PREDA)。在算法設(shè)計(jì)中,首先利用Pareto最優(yōu)解集的多個(gè)類中心與參考點(diǎn)描述Pareto
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 分布估計(jì)算法在車間調(diào)度問題中的應(yīng)用研究.pdf
- 粒子群算法研究及在化工動(dòng)態(tài)優(yōu)化問題中的應(yīng)用.pdf
- 分布估計(jì)算法及其在生產(chǎn)調(diào)度問題中的應(yīng)用研究.pdf
- 24021.融合copula分布估計(jì)的aea算法及其在約束優(yōu)化問題中的應(yīng)用
- 分布估計(jì)算法在排考中的應(yīng)用.pdf
- 求解多目標(biāo)優(yōu)化問題的分布估計(jì)算法研究.pdf
- 多目標(biāo)演化算法及在優(yōu)化問題中的應(yīng)用.pdf
- 基于分布估計(jì)算法的矩形件排樣優(yōu)化問題研究.pdf
- 優(yōu)化算法在電磁逆散射問題中的應(yīng)用.pdf
- 螞蟻算法在組合優(yōu)化問題中的應(yīng)用研究.pdf
- 蟻群算法在港口車輛調(diào)度優(yōu)化問題中的研究及應(yīng)用.pdf
- 分布估計(jì)算法及其應(yīng)用研究.pdf
- 幾何優(yōu)化算法在液晶構(gòu)型問題中的應(yīng)用.pdf
- 細(xì)菌覓食優(yōu)化算法在組合優(yōu)化問題中的研究與應(yīng)用.pdf
- 演化計(jì)算模型及其在優(yōu)化問題中的應(yīng)用研究.pdf
- 分布估計(jì)算法研究及其在ASON網(wǎng)中的應(yīng)用.pdf
- 鄰近點(diǎn)算法及其在最優(yōu)化問題中的應(yīng)用.pdf
- 分布估計(jì)算法在云計(jì)算資源調(diào)度中的應(yīng)用研究.pdf
- 進(jìn)化算法和量子計(jì)算在優(yōu)化問題中應(yīng)用研究.pdf
- 進(jìn)化策略算法研究及其在氣象優(yōu)化問題中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論