基于復(fù)雜適應(yīng)度函數(shù)的優(yōu)化模型及其應(yīng)用研究.pdf

1、智能控制是指智能機(jī)器在無人干預(yù)條件下自主驅(qū)動并實現(xiàn)控制目標(biāo)的自動控制技術(shù)，它是一門新興的邊緣交叉學(xué)科，其發(fā)展得益于認(rèn)知科學(xué)、系統(tǒng)科學(xué)、人工智能以及生物信息學(xué)等許多學(xué)科的進(jìn)步，同時也促進(jìn)了相關(guān)學(xué)科的不斷完善。對于許多復(fù)雜系統(tǒng)來說，由于不確定性、不完全性、復(fù)雜性、非線性等因素的存在，很難用常規(guī)的控制理論或一個有效的數(shù)學(xué)模型來定量的分析、計算。因而，控制理論已逐步從“經(jīng)典控制理論”、“現(xiàn)代控制理論”，發(fā)展進(jìn)入到“智能控制理論”階段。智能控制的

2、研究對象往往往往具有不確定性（即該模型的結(jié)構(gòu)和參數(shù)在較大的范圍內(nèi)變化或模型未知或知之甚少）或模型雖然具有確定性但是不能用抽象的解析式顯性表達(dá)。針對此類問題，本文將常用的優(yōu)化此類控制問題的進(jìn)化類算法，根據(jù)適應(yīng)度函數(shù)的表達(dá)與計算方式的不同分為:不確定型、迭代型、異構(gòu)型等幾種類型，并分別提出相應(yīng)的改進(jìn)計算模型和算法，有力地推動了各種新型智能控制方法和關(guān)鍵技術(shù)的研究。
　　論文主要在以下幾個方面展開了研究工作:
　　針對目前工程中普

3、遍存在的，許多適應(yīng)度函數(shù)的計算代價巨大或者顯性的適應(yīng)度函數(shù)并不存在的問題，引入統(tǒng)計學(xué)中Hoeffding邊界的概念，提出了基于Hoeffding不等式的進(jìn)化算法估計框架。該方法首先定義了一種新型操作算子-Hoeffding選擇算子;然后基于該算子提出了具有雙路（確定型和估計型）適應(yīng)度函數(shù)計算方法的進(jìn)化算法框架;最后，將該框架與大規(guī)模數(shù)據(jù)集的符號回歸、關(guān)聯(lián)分類等問題相結(jié)合，驗證了該框架的有效性。實驗表明，新框架能夠在求解精度保持近似不變的

4、前提下，大大加快算法的優(yōu)化速度。
　　為了解決適應(yīng)度函數(shù)計算中需要反復(fù)迭代、大量的數(shù)據(jù)需要讀入讀出、內(nèi)存空間有限、需要消耗系統(tǒng)大量計算時間的問題，我們提出一種新的進(jìn)化算法框架-多生命期進(jìn)化框架。該框架有如下特征:首先，傳統(tǒng)的進(jìn)化算法經(jīng)過改造后都可以在該框架下運(yùn)行;其次，該框架允許不同代的個體在同一時間并存，種群中的每一個個體隨著時間的推移，并行成長、發(fā)育，不同代的個體的發(fā)育和繁衍是一個持續(xù)的串、并混合的過程;最后，所有個體都有一個

5、最大的生命期，每個個體既可以生長到最大生命期后死亡或繁衍，也可以在一定約束條件的限制下，成長到特定的年齡后，自行消亡或產(chǎn)生后代。實驗結(jié)果表明，該算法成功的將基于靜態(tài)環(huán)境、并行運(yùn)行的標(biāo)準(zhǔn)進(jìn)化算法擴(kuò)展到動態(tài)、復(fù)雜的環(huán)境中去，以串、并混合的方式高效運(yùn)行。當(dāng)需要讀入讀出內(nèi)存的數(shù)據(jù)塊數(shù)M遠(yuǎn)大于種群中個體數(shù)目N時，該算法有效的提高了傳統(tǒng)進(jìn)化算法的效率。
　　為了解決進(jìn)化過程中，由異構(gòu)型個體組成的種群內(nèi)個體的適應(yīng)度不能有效指導(dǎo)進(jìn)化方向的問題，我

6、們提出了一種混齡遺傳規(guī)劃算法(MGP)來指導(dǎo)種群進(jìn)化。個體根據(jù)各自的年齡（結(jié)構(gòu)特征）被分到不同的組，不同個體的競爭被限制在具有相同年齡的組中。該方法維持了一個串、并混合的進(jìn)化過程，該過程中選擇壓力被限制在特定年齡范圍內(nèi)，因而交叉、變異操作不會破壞進(jìn)化的連續(xù)性。實驗結(jié)果顯示，MGP算法在尋優(yōu)由異構(gòu)型個體組成的種群時，能有效協(xié)調(diào)局部搜索與全局搜索的關(guān)系，指導(dǎo)進(jìn)化搜索到最優(yōu)個體。
　　目前，移動機(jī)器人目標(biāo)識別、跟蹤過程中，基于傳統(tǒng)色彩特

7、征的跟蹤方法往往存在著對跟蹤目標(biāo)在場景內(nèi)的移動或變形、對視頻圖像外觀尺寸的較大改變、對光線強(qiáng)度的劇烈變化過于敏感的問題。為了提高跟蹤算法的魯棒性，本文提出一種基于目標(biāo)材質(zhì)特征的機(jī)器人識別、跟蹤算法。該算法引入Shafer雙色性反射模型，基于Hoeffding進(jìn)化算法構(gòu)造數(shù)學(xué)模型。然后，利用該目標(biāo)的數(shù)學(xué)模型對物體進(jìn)行識別、跟蹤，解決了機(jī)器人目標(biāo)跟蹤、識別過程中因目標(biāo)變形、場景及目標(biāo)運(yùn)動軌跡復(fù)雜而難于跟蹤的問題。
　　針對當(dāng)前傳統(tǒng)的機(jī)