受生物分子啟發(fā)的遺傳算法及應用研究.pdf

1、現(xiàn)代工業(yè)生產(chǎn)過程變得越來越復雜，而復雜系統(tǒng)的建模、優(yōu)化與控制需要高性能的優(yōu)化算法來輔助實現(xiàn)。遺傳算法作為一種啟發(fā)式隨機搜索算法，它模擬了自然選擇和生物遺傳進化機制，具有易于并行實現(xiàn)、魯棒性強和良好的全局搜索性能等優(yōu)點，為這類問題提供了有效的解決途徑。目前，遺傳算法作為進化計算研究的一個重要分支，引起了眾多學者的廣泛關注。
　　本文針對遺傳算法在求解復雜優(yōu)化問題時普遍存在搜索能力不足、容易早熟收斂于局部最優(yōu)點的缺陷進行改進，充分借鑒

2、生物分子特性，將生物分子編碼和操作方式融入到遺傳算法。同時引入種群多樣性度量方法，在遺傳算法的搜索過程中，利用動態(tài)變化的種群多樣性信息對遺傳算法的搜索進程加以引導，對基于生物分子特性的遺傳算法進行深入研究，主要研究工作概況如下:
　　(1)針對遺傳算法局部搜索能力較弱和早熟收斂問題，提出了基于種群聚集度變異概率自適應的DNA遺傳算法。深入分析和挖掘DNA生物分子機制，設計了新型的優(yōu)選交叉算子和移碼變異算子。同時，在算法進化過程中引

3、入種群聚集度函數(shù)來表征種群中個體在搜索空間的分布情況，采用和聚集度相關的變異概率自適應策略，當種群處于聚集程度高、多樣性缺失階段，通過加大變異概率來有效增強算法跳出局部極值的能力。通過對典型測試函數(shù)尋優(yōu)及超臨界水氧化反應動力學參數(shù)估計問題求解來驗證該算法的有效性。
　　(2)提出了基于個體差異度遺傳操作自適應策略的RNA遺傳算法。受RNA分子結構和分子特性啟發(fā)，設計了互補堿基變異算子和稀有堿基變異算予。通過個體差異度測度的引導實現(xiàn)

4、遺傳操作自適應控制策略?；?0維和30維的單模態(tài)及多模態(tài)的基準測試函數(shù)尋優(yōu)，對所提出算法進行性能測試，并通過解決質(zhì)子交換膜燃料電池機理模型參數(shù)估計問題測試算法的實用性，仿真實驗結果表明所建立的PEMFC模型具有較高的準確度和魯棒性。
　　(3)借鑒生物群體間的協(xié)作進化機制，將協(xié)同進化的思想引入到遺傳算法中，提出了多策略協(xié)同進化RNA遺傳算法(mcRNA-GA)。構建兩個子種群，采用不同的進化模式同時獨立進化，達到對算法的局部搜索

5、和全局探索能力均衡調(diào)控的目的。在協(xié)同進化過程中采用信息分享機制交換優(yōu)秀個體所攜帶的遺傳信息以加快算法收斂，從而有效提高算法的搜索效率。通過4個典型測試函數(shù)對算法性能進行研究和對比，最后采用該算法來解決橋式吊車系統(tǒng)非參數(shù)建模問題，優(yōu)化徑向基神經(jīng)網(wǎng)絡的參數(shù)，通過仿真實驗對該建模的有效性和建模精度進行檢驗。
　　(4)借鑒對立學習思想，提出了基于對立學習策略的RNA遺傳算法。該算法中引入基于種群個體空間分布方差的多樣性測度，當種群多樣性