多元共生遺傳算法研究及其在藻類智能模式識別中的應用.pdf

1、遺傳算法是生物進化的思想和計算機科學相互結合滲透而成的一種新的軟計算方法，是一種自組織、自適應、自優(yōu)化的綜合策略。近年來，該算法的理論和應用研究取得了不同程度的成功和進展，使其廣泛應用于計算機科學、自動控制、組合優(yōu)化、圖象及信號處理、人工生命、管理科學和社會科學等許多領域。這一方面反映了其適應于自然科學與社會科學發(fā)展需要，另一方面自然科學與社會科學發(fā)展也對該算法提出了更高的要求。 本文在應用遺傳算法處理實際工程的過程中，面對實際

2、出現(xiàn)的問題對遺傳算法進行了比較深入系統(tǒng)的研究探討，探索提出了一種多元共生思想方法來指導改進。在分析基本算法的基礎上，指出了提高算法性能的關鍵所在，進而對算法進行了多層次多元化的改進并提出了相應的新算子、新算法和新策略。全文依照簡單、協(xié)同和多元共生三個遞進層次對遺傳算法進行了深入的研究和改進，并最終將其成果與神經(jīng)網(wǎng)絡等智能方法相結合，應用于藻類智能識別與預測的工程項目之中。 主要工作特色和成果包括以下幾個方面： 1．通過對

3、基本遺傳算法進化機理分析和比較應用，揭示了存在的問題，指出了存在的主要缺陷及其產(chǎn)生的原因，提煉出影響遺傳算法性能的六個主要因素、三個動態(tài)平衡關系，這些核心問題對遺傳算法性能改進具有重要探索意義，為遺傳算法的改進方向、研究重點提供了可供參考的思路。 2．按照簡單適用的主導思想，從提高影響遺傳算法性能的第一核心要素——個體的多樣性出發(fā)，對基本遺傳算法展開研究，提出了幾種改進遺傳算子。其中，提出的α<'0>可變交叉算子從基因錯位切入，

4、從根本上解決了進化后期常出現(xiàn)的停滯不前的問題；混合交叉算子側重于適應進化全過程中不同的階段對多樣性的不同交叉要求；指出了環(huán)境對變異的不可忽視作用，并融入動量原理，提出了一次變異多個產(chǎn)出的概念，由此設計了沖突復合自適應變異算子。 3．為了解決多目標優(yōu)化問題，從提高影響遺傳算法性能的第二要素——解空間處處可達性、且兼顧多樣性的角度出發(fā)，研究了協(xié)同遺傳算法。一方面采用基于確定性排擠機制的小生境方法取代常規(guī)選擇方法，發(fā)揮其有方向地淘汰劣

5、勢群體的優(yōu)勢，控制選擇壓力，保持全局搜索能力；另一方面，提出并構造了自適應一維勢箱交叉算子、共生平衡交叉算子和暫態(tài)自適應算子等新的算子。這些算子改變了小修小補方法，以全新的形式出現(xiàn)，均具有優(yōu)先交配能力、隨機強度調(diào)節(jié)和自適應強度調(diào)節(jié)能力，從而保證了在小范圍內(nèi)的精確求解和全局的最優(yōu)值獲取。 4．為了解決復雜對象的優(yōu)化問題，研究了全方位提高遺傳算法性能的方法——。多元共生遺傳算法。首先提出了一種新的小生境算法，也就是降維差異選擇方法，該算法比

6、已有的小生境方法CF排擠機制完整，比共享機制簡單，因此實現(xiàn)更容易，而且可靠；然后探索提出了倫理遺傳結構形式和多元共生遺傳結構形式，為遺傳算法結構改進研究做了新的嘗試。該兩種形式及其相應的改進算法旨在從多元、整體優(yōu)化的角度對遺傳算法展開研究，通過各個分算子和多個種群的多元沖突、融合、協(xié)作和互補等方式有機地結合，促使遺傳算法各個步驟本身的優(yōu)化，并形成整體上更加優(yōu)化的算法。此外，在設計方法上，多元共生算法具有獨到之處。它是一種具有可塑性的變結

7、構方法，可以根據(jù)應用對象的不同，組成復雜度不同的整體結構，其靈活性提高了算法應用的便利程度和適應性。 5．研究了遺傳算法和神經(jīng)網(wǎng)絡結合的建模問題，提出了一種神經(jīng)網(wǎng)絡分級優(yōu)化方法，設計了基于改進新算子的串并聯(lián)遺傳優(yōu)化步驟；將提出的幾種改進遺傳算法成功地應用于神經(jīng)網(wǎng)絡的結構和參數(shù)混合優(yōu)化之中；為了解決藻類神經(jīng)網(wǎng)絡識別過程中輸入數(shù)據(jù)極其缺乏的問題，研究了海洋赤潮和湖泊藍綠藻的顯微圖像預處理方法，提出了一種針對藻類的快速去噪算法，為神經(jīng)

8、網(wǎng)絡識別提供了必要的輸入數(shù)據(jù)來源；通過數(shù)值實例檢驗比較和藻類應用實驗比較，初選出適用于藻類識別和預測的三種較優(yōu)的改進遺傳神經(jīng)網(wǎng)絡算法。 6．對所提出的改進遺傳算法和改進遺傳神經(jīng)網(wǎng)絡(GANN)進行了整體檢驗，結合工程上的具體要求，針對典型藻類建模和生長狀態(tài)預測，測試了改進遺傳算法及其遺傳神經(jīng)網(wǎng)絡的性能；將選定的GANN用于優(yōu)勢藻類的識別，獲得了十余種藻的數(shù)量和數(shù)量增長時空特性，填補了部分優(yōu)勢藻生長特性資料的空白；進一步將選定的G