遺傳算法在電化學(xué)阻抗譜數(shù)據(jù)擬合處理中的應(yīng)用.pdf

1、該論文主要包括四個(gè)部分:1.傳統(tǒng)優(yōu)化方法的選擇.該章源引有關(guān)文獻(xiàn)資料分析、比較了幾種常見的傳統(tǒng)優(yōu)化方法的運(yùn)行效率和收斂性,得出一個(gè)結(jié)論:Gauss-Newton法能夠最快地收斂,具有最高的運(yùn)行效率.如果能給予優(yōu)良的參數(shù)初始估計(jì),Gauss-Newton法應(yīng)該成為最佳的選擇.2.遺傳算法分析.從三個(gè)方面對(duì)遺傳算法進(jìn)行了分析:遺傳算法概要、編碼方式與遺傳算子的選擇、遺傳算法運(yùn)行參數(shù)的確定.該論文采用浮點(diǎn)數(shù)編碼方法,采用基本遺傳算法的算子:比

2、例選擇算子、算術(shù)交叉算子和均勻變異算子,初步確定了遺傳算法運(yùn)行參數(shù).3.用于電化學(xué)阻抗譜數(shù)據(jù)處理的混合遺傳算法的構(gòu)建.該章分析了混合算法的結(jié)合方式,提出了一個(gè)混合遺傳算法的邏輯示意圖,詳細(xì)描述了該混合算法,并通過(guò)算例考察了所構(gòu)建混合遺傳算法的運(yùn)行效率和運(yùn)行結(jié)果.4.用于電化學(xué)阻抗譜數(shù)據(jù)擬合處理的單純遺傳算法.為了進(jìn)一步探尋只利用目標(biāo)函數(shù)的取值信息,而無(wú)須構(gòu)造Jacobi矩陣也無(wú)須引入其它梯度向量的算法,該章討論了利用單獨(dú)的遺傳算法對(duì)電化