函數(shù)聚類及其進化計算知識獲取研究.pdf

1、對遺傳算法的研究有很多方面,一批學者在對遺傳算法的基本構(gòu)成-選擇、交叉和變異等三個基本遺傳算子和群體大小、終止代數(shù)及其相應算子概率等運行參數(shù)的研究后發(fā)現(xiàn),算子及其參數(shù)環(huán)境對遺傳算法在函數(shù)優(yōu)化中的性能和結(jié)果是至關重要的,它們之間良好的運行策略能有效提高算法的性能,因而在應用遺傳算法過程中選擇合理的算子及參數(shù)的研究具有較大的現(xiàn)實價值。目前,對于選擇合理的算子及參數(shù)研究存在參數(shù)建議太泛及建議參數(shù)各不相同等問題,分析其原因在于所選目標對象(函數(shù)

2、)各不相同,而非通過函數(shù)類別進行研究。本文針對二元優(yōu)化函數(shù),利用共生矩陣所提取的適應度地貌特征對其進行聚類運算,進而根據(jù)聚類所得函數(shù)類別信息進行優(yōu)化指導知識提取,最終用于指導優(yōu)化計算,主要的研究內(nèi)容包括：1)構(gòu)建在聚類算法下函數(shù)的特征描述方式。本文在函數(shù)適應度地貌的基礎上,引入圖形圖像中的紋理分析相關概念,提出了一種能有效描述二元函數(shù)的特征描述方法,并以此構(gòu)建了以函數(shù)為目標的聚類算法。實驗表明,該聚類算法能有效地對函數(shù)進行聚類,其運算結(jié)

3、果不僅滿足聚類層面有效性,也滿足進化算法層面的有效性。2)搭建能靈活擴展的算法實驗平臺及以此構(gòu)建算例事實庫。本文利用大量的優(yōu)化函數(shù)在復雜的算法實驗平臺下進行各種優(yōu)化計算,并將其結(jié)果進行合理、有效地評價后保存,進而構(gòu)建龐大的算例事實庫。該事實庫不僅用于函數(shù)聚類結(jié)果驗證,也為后續(xù)基于函數(shù)類別信息的知識發(fā)掘提供必要數(shù)據(jù)。3)在上述兩點內(nèi)容的基礎上,通過對結(jié)果數(shù)據(jù)的分析,最終獲得了一系列函數(shù)種類和針對于函數(shù)種類的算法指導知識。實驗表明,這些知識