附加統(tǒng)計預(yù)測算法的理論與應(yīng)用研究.pdf

1、從人工智能跨越到計算智能是計算機(jī)科學(xué)發(fā)展史上的一次重大變革。以進(jìn)化算法和神經(jīng)網(wǎng)絡(luò)為核心的計算智能理論得到了長足的發(fā)展。最近十幾年來，各種新的進(jìn)化算法也紛紛被提出。這些算法都具有與問題無關(guān)、通用性好、收斂速度快、容易跳出局部最優(yōu)等優(yōu)點(diǎn)，因此在許多領(lǐng)域都得到了廣泛的應(yīng)用。 進(jìn)化算法是一種具有高度計算復(fù)雜性的智能算法。當(dāng)求解問題較復(fù)雜時，其計算所需的時間復(fù)雜度也比較高，同時，由于解集的龐大和局部最優(yōu)問題的存在，在其中篩選出精確解所花費(fèi)

2、的過程也比較復(fù)雜。因此我們希望有一種能夠有效降低進(jìn)化算法時間復(fù)雜度的策略，以節(jié)約進(jìn)化算法的計算時間。 目前存在著大量的進(jìn)化算法模型，研究它們會發(fā)現(xiàn)有一些共同的規(guī)律，比如都存在一組優(yōu)劣程度不等的候選解，經(jīng)過一輪輪的反復(fù)迭代計算，每輪新生成的候選解總體上比上一輪精度更好，且存在著一定的相關(guān)性。每輪迭代所產(chǎn)生的最好候選解之間也存在著一定的相關(guān)性。那么能否研究這些算法的共同規(guī)律，優(yōu)化這些規(guī)律，就能使計算智能算法模型的計算時間和性能都會得

3、到整體上的提高。 本文介紹了目前主流的一些進(jìn)化算法模型，并在總結(jié)它們共同規(guī)律的基礎(chǔ)上，提出了一種分析解集進(jìn)化規(guī)律來預(yù)測新的解集的算法思想，被稱做附加統(tǒng)計—預(yù)測算法。它能夠智能猜測最優(yōu)解的取值范圍，跳過進(jìn)化算法中的適應(yīng)值函數(shù)計算。通過這種方法可以對解集的演變規(guī)律進(jìn)行分析，以誘使新的解集啟發(fā)式的生成在最優(yōu)解可能出現(xiàn)的范圍內(nèi)。從而大大減少了計算時間。具體內(nèi)容如下： (1)對進(jìn)化算法的基本理論、基本思想和主流算法進(jìn)行了詳細(xì)的綜述

4、。論述了進(jìn)化算法的發(fā)展歷史、應(yīng)用領(lǐng)域和發(fā)展趨勢，并著重介紹了本文所闡述算法需要用到的進(jìn)化算法的共同規(guī)律。 (2)介紹了本文所論述的附加統(tǒng)計—預(yù)測算法。首先分析該算法的來源和實(shí)現(xiàn)原理，然后闡述了其對應(yīng)的基本思想和算法實(shí)現(xiàn)過程，并依次分析了適合應(yīng)用該算法的一些進(jìn)化算法模型。 (3)研究了使用附加統(tǒng)計—預(yù)測算法改進(jìn)了的一些進(jìn)化算法模型。結(jié)合了當(dāng)今主流的幾種進(jìn)化算法，即遺傳算法、粒子群優(yōu)化算法和分布估計算法。列舉附加統(tǒng)計—預(yù)測算