基于知識的多智能體思維進化算法及其工程應用.pdf

1、太原理工大學博士學位論文基于知識的多智能體思維進化算法及其工程應用姓名：閻高偉申請學位級別：博士專業(yè)：電路與系統(tǒng)指導教師：謝克明20070501太原理工大學博士研究生學位論文握被求解問題的內在規(guī)律，將其作為知識來描述被求解問題的特征。通過二進制粒計算，快速獲取個體變量與目標函數(shù)關系，然后計算出個體特征向量和粒度適應度景象，判斷被求解問題的類型。利用所獲取的知識求取尋優(yōu)子空間，以縮小搜索范圍，提高尋優(yōu)效率和精度。(3)針對多目標問題的復雜

2、性，利用信息系統(tǒng)中的優(yōu)勢關系和優(yōu)勢類的概念，研究并討論了KMMEA在多目標優(yōu)化問題中的應用。利用信息系統(tǒng)的優(yōu)劣關系對解空間進行劃分，形成了在Pareto優(yōu)勢空間進行“開采”而在其余空間中“探索”的進化策略。利用子空間粒和目標函數(shù)粒的特征進行種群多樣性的維護，以期找到全面和分布均勻的Pareto最優(yōu)解。(4)提出了基于優(yōu)勢粒粒度多目標快速排序算法。利用信息系統(tǒng)的優(yōu)勢關系和粒計算的方法獲取優(yōu)勢粒，將優(yōu)勢粒粒度作為多目標排序和適應度賦值的依據(jù)

3、，并設計了基于優(yōu)勢粒的快速排序算法，可極大地降低排序運算量。(5)對思維進化中的兩個重要算子“趨同”和“異化”進行了基于知識的改造，提高了算子操作的智能性，用于宏群體進化。提出了基于知識指導的變異算子，是粒度適應度景象和個體特征向量的具體運用。該算子能有效提高算法的收斂效率和尋優(yōu)精度。同時研究了按照優(yōu)秀模式類產生新個體的方法。(6)探索KMMEA在工程領域中的應用。將KMMEA用于多傳感器信息融合系統(tǒng)中神經(jīng)網(wǎng)絡的優(yōu)化，提高測量結果的準確