基于捕食機制的元胞遺傳算法研究.pdf

1、在自然界物種間的關(guān)系中，捕食理論作為生態(tài)學的一個元素，起著推動個體進化、維持生態(tài)系統(tǒng)平衡這樣非常重要和基礎(chǔ)性的作用。將捕食理論與人工智能相結(jié)合，使捕食理論不僅僅停留在理論研究階段，也成功應(yīng)用到現(xiàn)實生活中，推動人工智能的發(fā)展。已有的捕食搜索算法只是對動物捕食行為簡單的模擬，缺乏地域性，因此對捕食相關(guān)算法的研究具有重要意義。元胞遺傳算法（Cellular Genetic Algorithm，CGA）的空間重疊結(jié)構(gòu)可以增加種群多樣性，在一定程

2、度上抑制算法易陷入局部最優(yōu)的缺點，但元胞遺傳算法個體的生死狀態(tài)與其適應(yīng)度無關(guān)，可能導(dǎo)致算法最優(yōu)解丟失，這是與自然進化不相符的，因此如何使元胞遺傳算法能更好的模擬自然進化過程是目前急需解決的問題。
　　元胞遺傳算法和捕食系統(tǒng)都是多學科相融合，都是具有很高實用價值的研究領(lǐng)域，已被廣泛的應(yīng)用到多個領(lǐng)域，但是兩者的結(jié)合是一個具有挑戰(zhàn)性的全新的研究課題。本文從捕食系統(tǒng)和元胞遺傳算法相結(jié)合的角度出發(fā)，結(jié)合欺騙問題、數(shù)值優(yōu)化等多個復(fù)雜的實際問題

3、，對捕食系統(tǒng)進行深入的研究。主要內(nèi)容包括以下幾個方面：
　　（1）捕食問題是研究分布式系統(tǒng)中多智能體的合作與協(xié)調(diào)的理想問題，盡管它不能完全描述真實世界的復(fù)雜問題，但是它能夠使得許多概念具體化，從而使一些復(fù)雜問題簡單化。本文通過模擬生態(tài)系統(tǒng)捕食與被捕食之間的相互關(guān)系，用捕食機制替代元胞遺傳算法中的演化規(guī)則，使得遺傳個體生存與死亡狀態(tài)在演化同時與其適應(yīng)度和鄰域內(nèi)捕食與被捕食個體密度相關(guān)，并通過群體規(guī)?？刂撇呗跃S持捕食與被捕食群體間的個

4、體數(shù)目動態(tài)平衡，實現(xiàn)全局搜索與局部尋優(yōu)之間更好的協(xié)調(diào)與均衡。本文對典型的多峰函數(shù)進行優(yōu)化的實驗結(jié)果表明，新的算法在抑制早熟收斂并提高全局收斂率方面獲得了明顯的優(yōu)勢。
　?。?）在進化算法中，選擇壓力被定義為最優(yōu)個體和最差個體被選擇的概率之比，它可以增加最優(yōu)個體在下一代的生存機會。選擇壓力過大，會導(dǎo)致算法不能收斂；過小，可能導(dǎo)致算法陷入局部最優(yōu)。因此保持適當?shù)倪x擇壓力是使算法具有優(yōu)異性能必須要考慮的一個重要問題。本文在對捕食機制下的

5、元胞遺傳算法研究的基礎(chǔ)上對算法的選擇壓力進行了研究及實驗仿真，并通過對改進算法的參數(shù)進行調(diào)整以達到對算法選擇壓力的調(diào)整。對于不同的參數(shù)，算法就會產(chǎn)生不同的增長曲線，通過對比這些曲線觀察選擇壓力是怎樣隨參數(shù)變化而變化，總結(jié)出選擇壓力變化規(guī)律。
　?。?）利用選擇壓力隨參數(shù)變化規(guī)律，改變算法參數(shù)以達到調(diào)整選擇壓力的目的。最后通過對選擇壓力的研究，提出了一種自適應(yīng)的改進算法。算法通過自適應(yīng)的調(diào)整算法參數(shù)來調(diào)整算法的選擇壓力，從而可以尋求