進化策略在參數(shù)估計中的應用.pdf

1、進化策略是模擬自然界的生物進化機制，人們設計出一種群智能搜索算法，該算法具有自組織、自適應和自學習等功能, 它在不同學科領域已得到了廣泛地應用。但在回歸模型參數(shù)估計中應用并不多?；貧w模型參數(shù)估計是許多學科中常用的數(shù)學模型，如系統(tǒng)工程、自動化、機械工程、電力工程等，至今都是研究的重點問題之一。近年來，回歸參數(shù)估計已有一些方法，如最小二乘法、極大似然法等，但是這些方法都是建立在具有連續(xù)導數(shù)的光滑搜索空間的假設基礎上，并且沿梯度下降方向尋優(yōu)的

2、局部搜索技術在很多情況易陷入局部極值?；诖?，本文將進化策略算法應用于回歸模型參數(shù)估計，它可以彌補傳統(tǒng)方法中一些不足。 針對目前傳統(tǒng)參數(shù)估計方法存在的一些問題，本文主要利用進化策略自適應搜索、全局收斂、魯棒性等特性，并且做了一些改進。本文提出了一種進化策略算法，它通用性好、搜索效率高、收斂速度快，該算法主要對分布密度函數(shù)中的參數(shù)、線性回歸分析中參數(shù)以及非線性回歸分析中參數(shù)進行估計。所得到參數(shù)估計與傳統(tǒng)方法相比具有求解精度高、收斂