協(xié)同進(jìn)化算法的研究與應(yīng)用.pdf

1、根據(jù)生態(tài)系統(tǒng)中物種間的關(guān)聯(lián)性以及物種跟環(huán)境的連接而衍生形成的智能優(yōu)化算法——協(xié)同進(jìn)化算法(co-evolution algorithm，簡(jiǎn)稱CEA)被提出。它是一種新型的進(jìn)化算法框架。自從CEA被提出，便受到了生態(tài)學(xué)界的普遍認(rèn)知。近幾年來(lái)，海內(nèi)外的專家學(xué)者將協(xié)同算法不斷改進(jìn)探索。并將協(xié)同算法廣泛應(yīng)用到眾多領(lǐng)域內(nèi)，具有廣博的探索背景與使用價(jià)值。
　　本文在總結(jié)前人研究成果的基礎(chǔ)上對(duì)協(xié)同進(jìn)化算法的發(fā)展歷程，研究背景及應(yīng)用領(lǐng)域進(jìn)行了系統(tǒng)

2、的闡述和簡(jiǎn)單的回顧。與此同時(shí)，為了彌補(bǔ)傳統(tǒng)算法在函數(shù)尋優(yōu)方面的不足，對(duì)協(xié)同進(jìn)化算法進(jìn)行了多個(gè)方面的改進(jìn)。包括將參數(shù)協(xié)同、操作協(xié)同、算法協(xié)同及策略協(xié)同與同構(gòu)型協(xié)同進(jìn)化算法、異構(gòu)型協(xié)同進(jìn)化算法以及合作型協(xié)同進(jìn)化算法進(jìn)行融合，提出了五種改進(jìn)的協(xié)同進(jìn)化算法方案(有 PSICEA算法、SSHCEA算法、ASHCEA算法、OSCCEA算法、PSCCEA算法)，并將改進(jìn)的協(xié)同算法運(yùn)用到線性 ARX模型系統(tǒng)辨識(shí)，非線性Hammerstein模型系統(tǒng)辨識(shí)

3、及四組典型的混沌系統(tǒng)(包括 Chen系統(tǒng)、Lorenz系統(tǒng)、Lü系統(tǒng)、R?ssler系統(tǒng))的辨識(shí)中。概括為以下幾個(gè)方面：
　　(1)為提高多個(gè)種群在協(xié)同合作尋找最優(yōu)解時(shí)能夠增強(qiáng)種群的多樣性，提出了基于參數(shù)協(xié)同的同構(gòu)型協(xié)同進(jìn)化算法(簡(jiǎn)稱PSICEA)。此方案的核心思想在于同式不同值，表現(xiàn)為不同種群之間采用相同的進(jìn)化策略，但是在進(jìn)化模型中選擇不同的參數(shù)值，參數(shù)值的改變提高了種群的搜索范圍，在種群合作后增強(qiáng)了種群多樣性。
　　(2

4、)為加快CEA算法的尋優(yōu)速度，提出了兩種解決方案，一種是基于策略協(xié)同的異構(gòu)型協(xié)同進(jìn)化算法(簡(jiǎn)稱 SSHCEA)，表現(xiàn)為物種群落選用各異的進(jìn)化策略繁衍下一代個(gè)體。一種為基于算法協(xié)同的異構(gòu)型協(xié)同進(jìn)化算法(ASHCEA)，表現(xiàn)為種群群落間選用各異的優(yōu)化算法。方式方法的改變?cè)谠鰪?qiáng)種群的多樣性的前提下，又因?yàn)椴煌呗缘膬?yōu)劣性能不同，可以揚(yáng)長(zhǎng)避短，快速尋找最優(yōu)解，增強(qiáng)了種群的快速性。
　　(3)為提高CEA算法的尋優(yōu)精度，在合作型協(xié)同進(jìn)化算法

5、的原理上，提出了兩種改善方案，一種為基于操作協(xié)同的合作型協(xié)同進(jìn)化算法(簡(jiǎn)稱OSCCEA)，表現(xiàn)為多個(gè)種群在函數(shù)尋優(yōu)中，每一個(gè)種群采用不同的操作實(shí)現(xiàn)種群的繁衍，每一種群個(gè)體作為待求解的一個(gè)分支，彼此之間經(jīng)過(guò)合作構(gòu)成最優(yōu)解。一種為基于參數(shù)協(xié)同的合作型協(xié)同進(jìn)化算法(PSCCEA)，表現(xiàn)為每個(gè)種群個(gè)體作為候選解的一部分，彼此之間采用相同的進(jìn)化模式，但在模型參數(shù)選擇上，根據(jù)辨識(shí)參數(shù)的不同，選擇相適應(yīng)的參數(shù)進(jìn)行參數(shù)的辨識(shí)，分工明確，條理分明，既可以

6、增強(qiáng)種群的多樣性，又提高了算法的快速性。
　　(4)采用多種協(xié)同進(jìn)化算法解決系統(tǒng)辨識(shí)方面的問(wèn)題。根據(jù)系統(tǒng)辨識(shí)的不同特點(diǎn)，選取不同的算法對(duì)系統(tǒng)辨識(shí)進(jìn)行研究。首先，將改進(jìn)的PSICEA算法應(yīng)用于線性系統(tǒng)的辨識(shí)研究中，并通過(guò)仿真實(shí)驗(yàn)與PSO算法比較，證明了改進(jìn)的PSICEA算法在系統(tǒng)辨識(shí)方面的有效性。其次，將 OSCCEA算法應(yīng)用于Hammerstein模型當(dāng)中，因Hammerstein所具有的含有線性環(huán)節(jié)和非線性環(huán)節(jié)的特點(diǎn)，將 OSC

7、CEA算法應(yīng)用于非線性系統(tǒng)的辨識(shí)中。OSCCEA算法中一個(gè)種群辨識(shí)線性環(huán)節(jié)，一個(gè)種群辨識(shí)非線性環(huán)節(jié)，在計(jì)算適應(yīng)度值時(shí)彼此合作，構(gòu)成完整的候選解，此方法很好的處理了線性與非線性之間的關(guān)系，為快速尋找非線性系統(tǒng)的最優(yōu)解提供了一個(gè)新的可能。最后，將SSHCEA算法和PSCCEA算法應(yīng)用于混沌系統(tǒng)的辨識(shí)研究中，因混沌系統(tǒng)具有不穩(wěn)定性，所以采用此兩種方案進(jìn)行辨識(shí)，并與PSO算法及CEA算法相比較，證明了改進(jìn)的協(xié)同進(jìn)化算法在混沌系統(tǒng)辨識(shí)方面的優(yōu)越性