連續(xù)型CGA算法研究.pdf

1、遺傳算法（GA - genetic algorithm）最初由Holland博士在1970年提出，是一種模擬生物優(yōu)勝劣汰過程的智能搜索和優(yōu)化算法，目前已廣泛應用于圖像編碼，機器學習，生物信息學以及無線傳感器網絡等領域。然而遺傳算法固有的一些缺陷，比如收斂速度慢，所需存儲空間大，算法中止條件難以判斷等問題，限制了其進一步的應用。為解決這些問題，很多文獻提出了基于概率模型的遺傳算法，CGA（compact genetic algorithm

2、）算法就是一種比較成功的基于概率向量表示的概率進化算法，CGA算法采用概率向量表示群體特性，對概率向量更新取代群體的交叉和變異，由于CGA不保存群體信息，極大的減少了對于存儲空間的需求，這使得CGA算法在很多存儲有限的應用中十分有效。 目前對于CGA算法研究，大都針對離散編碼的最優(yōu)化問題，CGA本身的理論體系也比較適用于求解離散編碼的問題。本文提出了一種適用于連續(xù)編碼問題的cCGA（continuous-CGA）算法，將CGA算

3、法擴展到連續(xù)領域：提出對于連續(xù)編碼問題采用多維概率向量，推導概率向量的更新規(guī)則和算法初始值的取值，給出相關的分析證明和數值仿真實驗結果；進一步優(yōu)化該cCGA算法，引入精英保留選擇，對比精英保留的控制策略，分析精英保留的生命周期，結合cCGA算法的進化模型，揭示了cCGA算法與ES（evolution strategy）算法的某些聯(lián)系；分析精英保留cCGA算法的選擇密度，分析與一般遺傳算法的加速比模型，定量給出cCGA算法帶來的性能提升；