基于生物啟發(fā)的DNA遺傳算法的研究及應(yīng)用.pdf

1、遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)的生物進(jìn)化過(guò)程而發(fā)展起來(lái)的計(jì)算模型。作為智能優(yōu)化算法的典型代表，遺傳算法具有操作簡(jiǎn)單、全局搜索能力強(qiáng)、并行性和魯棒性強(qiáng)等優(yōu)點(diǎn)，對(duì)優(yōu)化問(wèn)題沒(méi)有嚴(yán)格的數(shù)學(xué)要求，因此遺傳算法被廣泛應(yīng)用于許多領(lǐng)域。但是，遺傳算法也存在一些缺點(diǎn)，例如局部搜索能力差、易早熟等。
　　DNA遺傳算法是受生物DNA啟發(fā)的新型遺傳算法。本文在前人研究工作的基礎(chǔ)上，對(duì)DNA遺傳算法的改進(jìn)進(jìn)行了深入的研究。本文的主要研究

2、內(nèi)容如下:
　　(1)提出了一種具有新型操作算子的DNA遺傳算法，該算法采用了DNA編碼方式，以及受DNA分子操作啟發(fā)而設(shè)計(jì)出的置換倒位交叉算子、移碼變異算子和重排變異算子，以達(dá)到提升算法性能的目的。通過(guò)對(duì)五個(gè)典型的測(cè)試函數(shù)的尋優(yōu)和與其他遺傳算法的結(jié)果對(duì)比，驗(yàn)證了該算法在收斂速度和搜索精度上具有更好的性能。
　　(2)受蜂群繁殖行為和蜂群采蜜行為的啟發(fā)，將分工協(xié)作思想和進(jìn)化低位取補(bǔ)操作引入DNA遺傳算法中，提出了一種基于蜂群

3、行為的DNA遺傳算法。該算法將種群分為兩部分，通過(guò)分工協(xié)作來(lái)提高算法收斂速度和改善種群多樣性，而進(jìn)化低位取補(bǔ)操作用于提高算法的尋優(yōu)精度。將所提出的算法用于求解重油熱裂解模型參數(shù)估計(jì)問(wèn)題，尋優(yōu)實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的優(yōu)越性。
　　(3)提出了一種基于鄰域搜索策略和相似剔除策略的bcDNA遺傳算法，該算法通過(guò)在每一代最優(yōu)解的特定鄰域內(nèi)產(chǎn)生一個(gè)新的種群來(lái)增強(qiáng)算法的局部搜索能力，同時(shí)在一定程度上也提升了算法的搜索精度。此外，采用相似剔除策略