實數(shù)型PMBGA的實現(xiàn)與改進.pdf

1、概率模型遺傳算法(PMBGA)是在遺傳算法基礎(chǔ)上發(fā)展起來的一類新算法,它將統(tǒng)計學的有關(guān)理論引入到遺傳算法中,以群體的概率統(tǒng)計學習實現(xiàn)進化操作,利用個體的概率分布分析每一代群體的學習結(jié)果并作為新群體形成的依據(jù),最終逼近于形成最優(yōu)或近似最優(yōu)個體的概率分布.該論文主要研究實數(shù)型概率模型遺傳算法,在分析運行參數(shù)對算法計算質(zhì)量和效率影響的基礎(chǔ)上,獲得提高算法搜索效率的方法,并且通過仿真實驗進行比較驗證.論文首先討論了實數(shù)型PMBGA算法流程,分析

2、了PMBGA與GA的不同,通過計算實例表明,在進化質(zhì)量穩(wěn)定性和收劍效率方面PMBGA都優(yōu)于遺傳算法.在算法的參數(shù)選擇問題上,通過實際測試發(fā)現(xiàn),種群規(guī)模,概率模型的調(diào)整規(guī)則,算法的停止條件,以及使用不同分布構(gòu)造概率模型等參數(shù)會對算法性能帶來不同程度的影響.種群規(guī)模小,方差學習率大都會導(dǎo)致算法不容易收斂,停止條件則對運行世代數(shù)有直接的影響.通過對實數(shù)型PMBGA運行參數(shù)的分析,發(fā)現(xiàn)在進化后期出現(xiàn)大量的相似個體同時方差下降緩慢,影響算法的收斂

3、.因而設(shè)計了自適應(yīng)的實數(shù)型PMBGA,隨進化代數(shù)自適應(yīng)地調(diào)整種群規(guī)模和方差學習率,提高了算法的收斂速度.為了準確地提取搜索空間有效的和潛在的信息,提出了概率模型的加權(quán)統(tǒng)計算法,在進化群體的統(tǒng)計評估過程中加入選擇的優(yōu)良個體適應(yīng)度的影響因子.典型測試函數(shù)計算實驗表明,應(yīng)用加權(quán)統(tǒng)計的概率模型遺傳算法可以有效地獲得進化群體中的有用信息,普遍提高進化的收斂質(zhì)量和效率.將改進的實數(shù)型PMBGA用于ⅡR濾波器設(shè)計的應(yīng)用實例中,計算結(jié)果表明這種優(yōu)化設(shè)計