学位论文 > 优秀研究生学位论文题录展示

元胞遗传算法的研究

作　者: 张俞
导　师: 黎明
学　校: 南昌航空大学
专　业: 控制理论与控制工程
关键词: 元胞自动机遗传算法演化规则函数优化灾难算法性能
分类号: TP18
类　型: 硕士论文
年　份: 2009年
下　载: 247次
引　用: 1次
阅　读: 论文下载

内容摘要

大自然是人类获得灵感的源泉。几百年来,将生物界提供的答案应用于实际问题求解已被证明是一个成功的方法,并且已演变渗透到多门学科。而遗传算法(Genetic Algorithms)就是借鉴生物的自然选择和遗传进化机制演变出来的一种优化搜索算法,并成为进化计算(Evolutionary Algorithms)最重要的分支和基础之一。近年来,由于遗传算法的结构简单性、强鲁棒性等特点,它能以更小的代价很好的解决以往传统的搜索算法无法解决的非线性函数优化等问题。其中,标准遗传算法(Standard Genetic Algorithms)的应用是最为简单和基础的。但是,传统的遗传算法忽略了在空间结构环境和物种进化过程中局部群体的复杂交互作用,表现在种群不但不会受到自然扰动,种群中的个体也不会发生变化,如死亡、复活或者迁移,这与实际的生物进化过程不符,因此存在收敛速度慢、全局收敛性能较差等缺点。为了提高遗传算法性能,本文受到区域进化对生物进化的影响的启发,模拟自然界状况,在传统遗传算法基础上,引入灾难模式和元胞自动机模型的思想,提出了一种改进的遗传算法,即引入灾变机制的元胞遗传算法(Cellular Genetic Algorithm with Disturbances)。采用灾变操作,宛如自然界种族濒临灭绝后的再生,并非使种族退化而是尽快摆脱进化迟钝状态,开始新计算的有效手段。为了验证改进算法的可行性,利用了多个典型的复杂多模测试函数,对群体的多样性、算法复杂性、收敛性分析和所得解的质量等方面进行分析,最终验证了改进算法的优越性,并与SGA对比分析,通过大量的实验数据及图形,验证了本文改进算法的收敛速度、全局收敛率等性能有了较大提高。元胞自动机(Cellular Automata)作为一种离散的动态模型在大规模的仿真计算能力方面为研究系统的行为提供了有效的虚拟试验。元胞自动机的核心是演化规则,选取演化规则的不同,会直接导致结果产生很大的变化。本文在Conway提出的“生命游戏”规则的基础上,为提高生命繁殖和生存的概率,通过改变周围邻居元胞的状态,提出一种改进的演化规则,实验证明,加入改进后的演化规则的元胞遗传算法,用于求解复杂多峰函数优化问题,获得了较好的效果。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-25
  1.1 遗传算法  10-18
    1.1.1 遗传算法的相关理论  10-14
    1.1.2 遗传算法的研究背景和应用  14-17
    1.1.3 遗传算法的研究方向  17-18
  1.2 元胞自动机的发展及国内外研究现状  18-23
    1.2.1 元胞自动机的发展  18-20
    1.2.2 优化计算中的元胞自动机研究  20-21
    1.2.3 固体力学中的元胞自动机研究  21-22
    1.2.4 岩石力学领域的元胞自动机研究  22-23
  1.3 本研究目的和意义  23
    1.3.1 研究目的  23
    1.3.2 研究意义  23
  1.4 本研究主要内容和结构  23-25
    1.4.1 研究内容  23-24
    1.4.2 论文的组织结构  24-25
第二章元胞自动机理论  25-32
  2.1 元胞自动机的定义  25
  2.2 元胞自动机的构成  25-29
    2.2.1 元胞及其状态  26
    2.2.2 元胞空间  26-27
    2.2.3 邻居  27-29
    2.2.4 规则  29
  2.3 典型的元胞自动机  29-31
  2.4 本章小结  31-32
第三章元胞遗传算法演化规则的研究  32-45
  3.1 典型的元胞自动机演化规则  32-35
    3.1.1 基于生命游戏规则的CA  32-33
    3.1.2 沙堆规则  33-34
    3.1.3 HPP规则  34-35
  3.2 元胞遗传算法演化规则的基本理论  35-37
    3.2.1 元胞遗传算法的描述  35-36
    3.2.2 引入演化规则的原因  36
    3.2.3 元胞遗传算法演化规则的研究现状  36-37
  3.3 改进演化规则的提出  37-39
  3.4 实验测试  39-44
    3.4.1 测试标准  39
    3.4.2 测试函数及分析  39-44
  3.5 本章小结  44-45
第四章引入灾变机制下的元胞遗传算法  45-56
  4.1 引入灾变机制下的元胞遗传算法  45-46
    4.1.1 区域进化对生物进化的影响  45
    4.1.2 引入灾难的具体操作  45-46
    4.1.3 控制灾难的两个参数  46
  4.2 改进算法的提出  46-47
  4.3 算法构造  47-49
  4.4 实验测试  49-55
    4.4.1 测试函数  49-50
    4.4.2 改进算法性能比较及分析  50-55
  4.5 本章小结  55-56
第五章结论及展望  56-58
参考文献  58-64
发表论文和参加科研情况说明  64-65
致谢  65-66

元胞遗传算法的研究

内容摘要

全文目录

相似论文