基于生物啟發(fā)的DNA遺傳算法的研究及應(yīng)用.pdf

1、遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)的生物進(jìn)化過程而發(fā)展起來的計算模型。作為智能優(yōu)化算法的典型代表，遺傳算法具有操作簡單、全局搜索能力強、并行性和魯棒性強等優(yōu)點，對優(yōu)化問題沒有嚴(yán)格的數(shù)學(xué)要求，因此遺傳算法被廣泛應(yīng)用于許多領(lǐng)域。但是，遺傳算法也存在一些缺點，例如局部搜索能力差、易早熟等。
　　DNA遺傳算法是受生物DNA啟發(fā)的新型遺傳算法。本文在前人研究工作的基礎(chǔ)上，對DNA遺傳算法的改進(jìn)進(jìn)行了深入的研究。本文的主要研究

2、內(nèi)容如下:
　　(1)提出了一種具有新型操作算子的DNA遺傳算法，該算法采用了DNA編碼方式，以及受DNA分子操作啟發(fā)而設(shè)計出的置換倒位交叉算子、移碼變異算子和重排變異算子，以達(dá)到提升算法性能的目的。通過對五個典型的測試函數(shù)的尋優(yōu)和與其他遺傳算法的結(jié)果對比，驗證了該算法在收斂速度和搜索精度上具有更好的性能。
　　(2)受蜂群繁殖行為和蜂群采蜜行為的啟發(fā)，將分工協(xié)作思想和進(jìn)化低位取補操作引入DNA遺傳算法中，提出了一種基于蜂群

3、行為的DNA遺傳算法。該算法將種群分為兩部分，通過分工協(xié)作來提高算法收斂速度和改善種群多樣性，而進(jìn)化低位取補操作用于提高算法的尋優(yōu)精度。將所提出的算法用于求解重油熱裂解模型參數(shù)估計問題，尋優(yōu)實驗結(jié)果驗證了該算法的優(yōu)越性。
　　(3)提出了一種基于鄰域搜索策略和相似剔除策略的bcDNA遺傳算法，該算法通過在每一代最優(yōu)解的特定鄰域內(nèi)產(chǎn)生一個新的種群來增強算法的局部搜索能力，同時在一定程度上也提升了算法的搜索精度。此外，采用相似剔除策略