混合元胞遺傳算法與多層元胞遺傳算法的研究.pdf

1、學(xué)校代碼：10406分類號：TP301.6學(xué)號：090081002106南昌航空大學(xué)南昌航空大學(xué)碩士學(xué)位論文（學(xué)位研究生）混合元胞遺傳算法與多層元胞遺傳算混合元胞遺傳算法與多層元胞遺傳算法的研究法的研究碩士研究生：揭麗琳導(dǎo)師：黎明申請學(xué)位級別：碩士學(xué)科、專業(yè)：信號與信息處理所在單位：信息工程學(xué)院答辯日期：2012.6授予學(xué)位單位：南昌航空大學(xué)I摘要摘要現(xiàn)實(shí)世界許多領(lǐng)域存在的問題都具有高度復(fù)雜性、多目標(biāo)、多約束的要求，采用傳統(tǒng)的搜索方法處

2、理十分困難，求解效果不夠理想，如何找到對問題本身具有更強(qiáng)求解能力的算法就成為一個(gè)迫切需要解決的問題。遺傳算法(GeicAlgithms)作為進(jìn)化算法中產(chǎn)生最早且影響最大的概率性搜索算法，它是通過模擬自然界生物進(jìn)化過程的自然選擇與遺傳信息規(guī)律而形成的一種高效全局尋優(yōu)方法，具有適用性強(qiáng)、魯棒性好及并行計(jì)算等優(yōu)勢，已成功應(yīng)用于求解傳統(tǒng)搜索技術(shù)難以解決的復(fù)雜優(yōu)化問題。但是標(biāo)準(zhǔn)遺傳算法(StardGeicAlgithms)不考慮空間結(jié)構(gòu)環(huán)境和生物

3、進(jìn)化過程中種群局部個(gè)體間的相互作用，個(gè)體之間沒有位置關(guān)系，且遺傳算子具有隨機(jī)性、無方向性，因此種群多樣性容易過早丟失，導(dǎo)致算法陷入局部最優(yōu)。元胞自動機(jī)是一種離散的數(shù)學(xué)模型，通過離散空間上大量元胞個(gè)體簡單的相互作用而形成整體上的復(fù)雜行為，特別適合于計(jì)算機(jī)模擬實(shí)施復(fù)雜動態(tài)系統(tǒng)。元胞遺傳算法(CellularGeicAlgithm）是一種將遺傳算法和元胞自動機(jī)原理有機(jī)地結(jié)合的算法，明顯改善了遺傳算法的全局收斂性能，已成為解決復(fù)雜問題的一種有效

4、方法。但是元胞遺傳算法每次評價(jià)個(gè)體的適應(yīng)度時(shí)計(jì)算量較大，在解決非常復(fù)雜的優(yōu)化問題時(shí)存在優(yōu)化速度一般比較慢的缺點(diǎn)。同時(shí)進(jìn)一步提高元胞遺傳算法的全局收斂率也還有很大的研究發(fā)展空間。本文圍繞如何解決一般元胞遺傳算法在提高全局收斂率的同時(shí)一定程度降低搜索效率的問題進(jìn)行了研究，主要研究內(nèi)容如下：1.提出了一種粒子群與多種群元胞遺傳混合優(yōu)化算法(AHybridParticleSwarmMultiPopulationCellularGeicAlgit

5、hm)。該算法首先將群體分割成多個(gè)元胞子種群，選擇合適的遷移策略，子種群之間相互通信共享進(jìn)化信息，適度降低算法的選擇壓力，從而更好地保持種群的多樣性。算法的變異操作被粒子群算法替代，使得局部搜索能力明顯提高。元胞群體分割和粒子群變異較好地均衡了全局探索和局部尋優(yōu)之間的關(guān)系。最后分析了混合算法的選擇壓力和多樣性變化規(guī)律，通過對六種典型函數(shù)的優(yōu)化問題求解討論了混合算法的性能，實(shí)驗(yàn)結(jié)果表明，該算法與CGA相比，在保證搜索效率高的同時(shí)還顯著提高