改進遺傳算法的函數(shù)優(yōu)化及應(yīng)用.pdf

1、許多工程應(yīng)用問題的數(shù)學(xué)模型是多峰值函數(shù)，比如模糊系統(tǒng)的參數(shù)設(shè)計、最優(yōu)控制系統(tǒng)、雷達目標識別等等。遺傳算法是求解多峰值函數(shù)問題的有效方法，但需要對基本遺傳算法輔以針對多峰值函數(shù)問題而設(shè)計的尋優(yōu)策略，否則基本遺傳算法往往達不到多峰值函數(shù)優(yōu)化的要求。支持向量機(SVM)作為近年來興起的一種具有良好發(fā)展前景的學(xué)習(xí)機器，目前其參數(shù)的選取國際上還沒有公認的成熟、完美的理論來指導(dǎo)，這給SVM的廣泛應(yīng)用帶來了較大的不便。SVM參數(shù)選取問題事實上是一個多

2、峰值函數(shù)優(yōu)化問題，而通過現(xiàn)代智能算法動態(tài)獲得相應(yīng)問題的SVM最佳參數(shù)是目前的發(fā)展趨勢。針對多峰值函數(shù)優(yōu)化問題的特點，論文對基本遺傳算法加以改進并輔以一些尋優(yōu)策略以期能夠求解多峰值函數(shù)優(yōu)化問題，論文的改進以及主要工作有以下內(nèi)容:
　　(1)重新設(shè)計適應(yīng)度函數(shù)，使每個極值點具有相同的適應(yīng)度，同時還能區(qū)分不同的點接近極值點的程度。采用基于適應(yīng)度比的交叉策略，使得算法能夠根據(jù)交叉?zhèn)€體的適應(yīng)度情況動態(tài)調(diào)整算法的全局搜索強度以及范圍。設(shè)計基于

3、適應(yīng)度大小的變異策略，使不同個體能夠根據(jù)自身的情況調(diào)整局部搜索精度，加快收斂速度。為了驗證算法的有效性以及性能，通過2個單峰值函數(shù)，7個無約束多峰值函數(shù)，1個有約束多峰值函數(shù)進行實驗測試。
　　(2)針對SVM參數(shù)選取問題的特殊性，論文對用于多峰值函數(shù)優(yōu)化問題的改進遺傳算法加以修改并輔以額外的進化策略以期能夠求解最高分類正確率對應(yīng)的泛化能力最好的可行解，針對相同核函數(shù)參數(shù)值情況下，一定范圍內(nèi)的懲罰因子對應(yīng)的分類超平面具有相同分類正