基于DNA計算的遺傳算法及應用研究.pdf

1、DNA 計算作為一個嶄新的研究領域，仍處于萌芽階段，本身還有很多理論和實際問題需要解決。遺傳算法(GA)是一種在分子水平模擬生物進化過程來求解復雜問題的有效算法。DNA計算與GA兩者天生就具有某種必然的聯(lián)系。由于生物DNA計算的局限性，遺傳算法可以作為DNA計算進行復雜優(yōu)化問題求解的橋梁。用DNA編碼表示復雜知識或系統(tǒng)，模擬DNA分子操作以發(fā)現(xiàn)和處理信息，在進化中獲取和更新知識，既可以充分發(fā)揮DNA計算的開創(chuàng)性思想，又可以解決自動控制、

2、模式識別、決策、機器學習等理論與工程實際中存在的各種復雜優(yōu)化問題。著眼于這一認識，本文致力于將DNA計算和遺傳算法相結合，用以解決控制系統(tǒng)的建模與優(yōu)化設計問題，具有十分重要的現(xiàn)實意義。本文的主要研究工作如下： (1)基于生物RNA操作及DNA序列選擇和變異模型，提出了一種RNA-GA算法。該算法利用RNA分子A、T、U、C進行編碼設計，并結合RNA分子操作和DNA變異模型，設計了SGA的交叉和變異算子?；贛arkov鏈模型對R

3、NA-GA算法進行了收斂性分析。通過對典型測試函數(shù)的仿真計算和對比研究，驗證了所提算法的優(yōu)越性和有效性?；み^程的模型參數(shù)估計的應用研究，進一步表明所提算法的有效性和實用性。 (2)基于DNA雙鏈互補結構和序列二次規(guī)劃(SQP)算法，提出了一種基于DNA雙鏈結構的混合遺傳算法以解決具有不等式約束的非線性規(guī)劃問題。該算法利用DNA雙鏈結構進行問題的編碼，以克服SGA的海明懸崖問題和增加種群多樣性；并采用RNA操作算子和SQP算法以

4、有效保持遺傳算法廣度搜索和深度搜索的平衡，加快算法的收斂速度。通過算法的收斂速度分析和典型測試函數(shù)的仿真對比研究表明了所提算法的有效性和可靠性。對汽油調合配方優(yōu)化問題的求解以及與PSO算法的對比研究結果表明所提算法的有效性和適用性。 (3)基于DNA計算，提出了一種非支配排序多目標遺傳算法以解決多目標優(yōu)化問題。該算法首先將基于RNA計算的交叉和變異算子用于多目標遺傳算法，以改善GA的全局尋優(yōu)性能；其次通過Pareto排序和個體密

5、集距離計算，將相互矛盾的多目標優(yōu)化問題統(tǒng)一成單個目標適應度函數(shù)優(yōu)化問題，以便于用外部種群保留Pareto前沿集合：最后利用種群維護算法保持Pareto前沿的分布均勻性。算法的收斂性分析和典型多目標優(yōu)化問題的仿真研究表明所提算法在Pareto前沿逼近度和解的分布均勻性方面都有了較大提高。 (4)如何合理選取RBF網(wǎng)絡的基函數(shù)中心點及網(wǎng)絡結構，目前還未給出有效的理論依據(jù)。本文基于過程輸入輸出數(shù)據(jù)，提取有用的系統(tǒng)信息，建立其RBF神經(jīng)

6、網(wǎng)絡動態(tài)模型，提出了一種基于剪接系統(tǒng)的遺傳算法進行RBF網(wǎng)絡的隱層節(jié)點數(shù)、基函數(shù)中心點的優(yōu)化，從而綜合考慮了網(wǎng)絡的擬合精度和泛化能力。計算復雜性分析以及連續(xù)攪拌反應釜(CSTR)仿真對比結果表明采用所提算法構建的RBF神經(jīng)網(wǎng)絡具有良好的擬合精度和較強的泛化能力。 (5)RBF網(wǎng)絡的優(yōu)化設計本質上是一個多目標優(yōu)化問題。通過將RBF網(wǎng)絡信息融入DNA單鏈結構，引入DNA計算操作算子，提出了一種用于神經(jīng)網(wǎng)絡的多目標優(yōu)化設計遺傳算法，用

7、于實現(xiàn)包括輸入層在內的RBF網(wǎng)絡優(yōu)化設計。該算法以RBF神經(jīng)網(wǎng)絡結構最簡、擬合精度最高為優(yōu)化指標，得到Pareto最優(yōu)解集，并根據(jù)測試數(shù)據(jù)的誤差絕對值之和最小準則，篩選Pareto最優(yōu)解集。將該算法應用于連續(xù)攪拌反應釜的建模中，得到了優(yōu)于RBF網(wǎng)絡單目標優(yōu)化算法的結果。 (6)針對控制系統(tǒng)設計問題，使用DNA-GA算法進行了控制系統(tǒng)的優(yōu)化設計。其一針對一階滯后不穩(wěn)定過程，提出了一種基于參數(shù)穩(wěn)定空間的多目標遺傳算法，進行PID控制