進(jìn)化策略在參數(shù)估計(jì)中的應(yīng)用.pdf

1、進(jìn)化策略是模擬自然界的生物進(jìn)化機(jī)制，人們設(shè)計(jì)出一種群智能搜索算法，該算法具有自組織、自適應(yīng)和自學(xué)習(xí)等功能, 它在不同學(xué)科領(lǐng)域已得到了廣泛地應(yīng)用。但在回歸模型參數(shù)估計(jì)中應(yīng)用并不多?；貧w模型參數(shù)估計(jì)是許多學(xué)科中常用的數(shù)學(xué)模型，如系統(tǒng)工程、自動化、機(jī)械工程、電力工程等，至今都是研究的重點(diǎn)問題之一。近年來，回歸參數(shù)估計(jì)已有一些方法，如最小二乘法、極大似然法等，但是這些方法都是建立在具有連續(xù)導(dǎo)數(shù)的光滑搜索空間的假設(shè)基礎(chǔ)上，并且沿梯度下降方向?qū)?yōu)的

2、局部搜索技術(shù)在很多情況易陷入局部極值。基于此，本文將進(jìn)化策略算法應(yīng)用于回歸模型參數(shù)估計(jì)，它可以彌補(bǔ)傳統(tǒng)方法中一些不足。 針對目前傳統(tǒng)參數(shù)估計(jì)方法存在的一些問題，本文主要利用進(jìn)化策略自適應(yīng)搜索、全局收斂、魯棒性等特性，并且做了一些改進(jìn)。本文提出了一種進(jìn)化策略算法，它通用性好、搜索效率高、收斂速度快，該算法主要對分布密度函數(shù)中的參數(shù)、線性回歸分析中參數(shù)以及非線性回歸分析中參數(shù)進(jìn)行估計(jì)。所得到參數(shù)估計(jì)與傳統(tǒng)方法相比具有求解精度高、收斂