基于模式的遺傳操作策略研究.pdf

1、在人工智能系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)之后,又出現(xiàn)了一個(gè)令人矚目的學(xué)科,它就是進(jìn)化計(jì)算。它很好的模擬了達(dá)爾文提出的生物進(jìn)化和遺傳的過(guò)程。進(jìn)化計(jì)算依照“適者生存”的原則,通過(guò)一組隨機(jī)產(chǎn)生的初始可行解,借助選擇、交叉、變異等遺傳操作,逐步逼近我們所研究的問(wèn)題的最優(yōu)解。從根本上講,我們研究的進(jìn)化算法,其實(shí)是一種具有自適應(yīng)調(diào)節(jié)功能的搜索尋優(yōu)技術(shù)。在許多發(fā)達(dá)國(guó)家,進(jìn)化計(jì)算已被成功地運(yùn)用于許多領(lǐng)域,其中包括機(jī)械、化工、計(jì)算機(jī)、建筑等等。在這些方面,進(jìn)化計(jì)算都

2、得到了很好的推廣。并且它在解決非線性優(yōu)化、結(jié)構(gòu)優(yōu)化、并行計(jì)算等復(fù)雜問(wèn)題方面很有成效。近10年當(dāng)中,進(jìn)化計(jì)算有了空前的發(fā)展,在我國(guó)也得到了前所未有的重視和推廣,特別是遺傳算法(GA),已被成功運(yùn)用于許多領(lǐng)域當(dāng)中。但是隨著時(shí)代的發(fā)展,問(wèn)題規(guī)模不斷擴(kuò)大,問(wèn)題的復(fù)雜程度也在不斷增加。因此,我們對(duì)算法的求解速度和精度也就有了更高的要求。由于遺傳算法在處理復(fù)雜優(yōu)化問(wèn)題時(shí)往往會(huì)出現(xiàn)“早熟”現(xiàn)象,導(dǎo)致收斂的精度不高,嚴(yán)重的制約了其在復(fù)雜優(yōu)化問(wèn)題當(dāng)中的應(yīng)

3、用?；诖朔N情況,本文以模式理論為基礎(chǔ),提出了基于模式的遺傳操作策略,從而有效的改善了上述不足。
　　 本文首先針對(duì)二進(jìn)制編碼計(jì)算效率低,收斂速度慢并易于局部收斂的缺點(diǎn),結(jié)合達(dá)爾文生物進(jìn)化論,從模式理論的角度出發(fā),提出一種基于優(yōu)良模式的保護(hù)策略,并建立了一種基于優(yōu)良模式保護(hù)的遺傳算法(BS-GA),給出了優(yōu)良模式的選擇方法和具體的執(zhí)行步驟,并針對(duì)交叉和變異運(yùn)算給出了優(yōu)良模式的保護(hù)措施。根據(jù)Markov理論,我們討論了BS.GA的