進化計算若干問題研究.pdf

1、進化計算(Evolutionary Computation)是模擬自然界生態(tài)系統(tǒng)中“優(yōu)勝劣汰”的一類優(yōu)化算法的總稱，也稱為演化計算。一般認為包括遺傳算法，遺傳編程，進化策略等。目前這類算法已被廣泛應用于機器學習，人工智能，自適應控制，人工神經(jīng)網(wǎng)絡訓練，圖像處理等各個方面。 針對一類協(xié)同進化算法給出其二進制編碼有限群體模型。協(xié)同進化算法借鑒自然界中的協(xié)同進化(Coevolution)機制，通常表現(xiàn)為一個算法中使用多個種群協(xié)同進化，

2、實際應用效果顯著，但是其理論基礎更為薄弱。Vose針對一般GAs曾給出了基于二進制編碼的有限群體模型，在此基礎上本文構建了適用于一類協(xié)同進化算法的二進制有限群體模型，可以進行相關算法的漸進收斂性狀的分析及算法加速策略的研究。 其次對當前常見的進化算法實驗平臺進行簡要分析，介紹一個高效架構-OpenBeagle，分析其種群結(jié)構(Population)，進化器(Evolver)，內(nèi)部系統(tǒng)(Internal System)，以及整個架

3、構圖，最后討論了如何基于這個架構構建自己的EC算法。利用OpenBeagle可以構建各種GAs，GP，ES，MOEA，Co-GA并且在同一平臺上可以方便有效地比較各種EC算法的性能。本文的算法測試實驗基于此架構實現(xiàn)。 本文給出了一種新型的“基于最優(yōu)解定位的遺傳算法”。給出其抽象描述，并且從理論上分析這個算法在滿足若干條件的情況下收斂。針對單目標函數(shù)優(yōu)化問題，給出了若干測試函數(shù)的實驗結(jié)果，結(jié)果顯示這一個方法可有效解決常見GAs“或