Clayton Copula分布估計算法中邊緣分布的研究.pdf

1、分布估計算法（Estimation of Distribution Algorithm，簡稱EDA）是在遺傳算法的基礎(chǔ)之上發(fā)展起來的，與遺傳算法不同，它不使用交叉和變異算子，而是根據(jù)當前種群中適應值較好的個體建立概率分布模型，然后根據(jù)估計的模型進行采樣得到新的個體，以此來引導算法的搜索。
　　基于Copula理論的分布估計算法(cEDA)，把對優(yōu)勢群體的概率模型的估計分為兩部分進行，即對各變量邊緣分布的估計和一個Copula函數(shù)的

2、選取，通過Copula函數(shù)將各變量的邊緣分布連接成它們的聯(lián)合分布。它的優(yōu)點在于不僅簡化了估計概率模型的運算復雜度，而且能夠充分反映變量之間的關(guān)系。
　　在cEDA算法中，邊緣分布的選取對算法的優(yōu)化效果有很大的影響，因此，本文選擇Clayton copula函數(shù)作為連接函數(shù)，首先選擇經(jīng)驗分布和正態(tài)分布作為邊緣分布函數(shù)，對兩者的優(yōu)化結(jié)果進行了分析比較，結(jié)果發(fā)現(xiàn)采用正態(tài)分布作為邊緣分布的優(yōu)化結(jié)果比較好，同時也發(fā)現(xiàn)雖然采用正態(tài)分布的結(jié)果比

3、較好，但是其對某些函數(shù)的優(yōu)化結(jié)果存在一種早熟現(xiàn)象。
　　進一步對邊緣分布采用正態(tài)分布作了理論上的分析，發(fā)現(xiàn)方差的過快收斂是導致算法產(chǎn)生早熟的主要原因，說明只有在算法進化過程中對方差的大小進行適當?shù)目刂撇拍艿玫礁玫膬?yōu)化結(jié)果。為解決這個問題對已有的調(diào)節(jié)方差的算法進行了研究，最后將一種自適應方差的模型應用到算法中，提出了一種自適應方差模型的cEDA，并對該算法進行了實驗仿真驗證，結(jié)果表明該方法不僅解決了早熟問題而且能夠快速找到優(yōu)化問題