基于物種進化的遺傳算法研究.pdf

1、遺傳算法作為一種仿生智能優(yōu)化技術,克服了梯度搜索技術的不足,已經(jīng)廣泛地應用在工程科學上的許多領域。與基于微積分理論的傳統(tǒng)優(yōu)化方法相比,遺傳算法在全局優(yōu)化、復雜設計、復雜目標函數(shù)優(yōu)化及易用性等方面都顯示出了其優(yōu)越性,成為計算智能研究中的熱點。
　　 在分析簡單遺傳算法和各種改進算法的基礎上,以達爾文進化論和孟德爾遺傳學為總的指導思想,力求模仿生態(tài)學的方法和現(xiàn)象、結合生物工程上的技術手段以及借鑒其它學科的一些原理和方法,來改進簡單遺

2、傳算法,旨在提高收斂精度和全局收斂率。具體內(nèi)容如下:
　　 研究了遺傳算法中的物種培育問題。模仿生物工程上的不同育種技術,提出了三種育種遺傳算法,即雜交育種遺傳算法、誘變育種遺傳算法和選擇育種遺傳算法。通過對全局最小值和全局最大值的復雜函數(shù)優(yōu)化,分析比較了各種育種遺傳算法的優(yōu)缺點。
　　 研究了遺傳算法中的物種進化環(huán)境。小生境遺傳算法反應物種不是獨立存在的,而是相互聯(lián)系,相互影響的。懲罰小生境遺傳算法具有優(yōu)良的性能,常用

3、于多模態(tài)函數(shù)的優(yōu)化,但小生境半徑困擾著這一技術的運用。針對這一問題提出了基于優(yōu)良種子的懲罰小生境遺傳算法,采用簡單遺傳算法對待求解問題進行初步探索,通過多次運行得到優(yōu)良種子集,種子之間的幾何位置關系可以幫助小生境距離的確定。
　　 在解決類似旅行商之類的非確定性多項式問題時,先驗知識的應用對難題的解決是很重要的。提出了基于優(yōu)良種子分段方法,使用“分而治之”的策略,可望將復雜問題的“無窮盡處理法”變?yōu)椤坝邢捱x擇法”。時間上的計算問

4、題一旦在空間上采用某種有序劃分,復雜過程可以約化為簡單的處理程序。以優(yōu)良種子為先驗知識,進行有序劃分,從而找到接近最優(yōu)值的滿意解。
　　 研究了物種基因多效性的問題。模仿生物中的一因多效的現(xiàn)象,提出了基于一因多效的遺傳算法,突破了基因型與表現(xiàn)型之間的慣用的一一對應關系,在算法中首次建立了一個基因型對應多個表現(xiàn)型的非線性仿生關系。研究表明一因多效遺傳算法易于維護種群的多樣性,可以運用小規(guī)模種群運算,以提高算法的運行效率。
　

5、　 本文的創(chuàng)新點如下:
　　 1.依據(jù)生物工程上的育種技術提出了三種不同的育種遺傳算法,即雜交育種遺傳算法、誘變育種遺傳算法和選擇育種遺傳算法。
　　 2.采用極值點探求法挖掘待求函數(shù)信息,指導小生境距離的確定。以解決懲罰小生境遺傳算法關鍵參數(shù)選取問題,有助于算法的推廣應用。
　　 3.采用開放路徑優(yōu)化和片段重疊優(yōu)化技術,以解決大規(guī)模旅行商問題降維后,端點的連接與優(yōu)化問題。
　　 4.提出了基于一因多效