遺傳算法的漂移效應(yīng)與利用研究
發(fā)布時(shí)間:2021-02-14 19:21
遺傳算法是一種廣泛使用的優(yōu)化算法,它有很多優(yōu)點(diǎn),但在耦合函數(shù)上容易陷入局部最優(yōu)以及精度不高。目前常用的遺傳算法加入了精英策略加快算法收斂速度且提高精度,但算法存在過早收斂的問題。本文使用了無(wú)精英策略的標(biāo)準(zhǔn)遺傳算法進(jìn)行實(shí)驗(yàn)發(fā)現(xiàn)遺傳算法的種群并非一直收斂于某一個(gè)山峰上,而是在不同時(shí)間段會(huì)聚集在不同的山峰上。這種種群從一個(gè)山峰漂移到另外一個(gè)山峰上的現(xiàn)象,稱之為遺傳算法的漂移效應(yīng)。本文對(duì)多個(gè)benchmark函數(shù)進(jìn)行實(shí)驗(yàn),使用可視化手段,在遺傳算法發(fā)生漂移效應(yīng)時(shí)跟蹤每個(gè)個(gè)體的具體位置并記錄下來(lái)。通過分析實(shí)驗(yàn)結(jié)果數(shù)據(jù),本文進(jìn)一步總結(jié)發(fā)生漂移效應(yīng)的以下一系列規(guī)律:1.移除精英策略,2.適應(yīng)度函數(shù)為耦合函數(shù),3.需要對(duì)適應(yīng)度函數(shù)進(jìn)行適當(dāng)調(diào)整使得函數(shù)扁平化。另外,常用的遺傳算法使用的變異方式主要采用浮點(diǎn)數(shù)編碼變異。該變異方式在同一時(shí)刻很少有若干個(gè)變量發(fā)生改變,限制了遺傳算法的搜索方位。結(jié)合浮點(diǎn)數(shù)編碼以及二進(jìn)制位變異的優(yōu)點(diǎn),本文提出浮點(diǎn)數(shù)位變異方式。該變異方式使用浮點(diǎn)數(shù)硬件存儲(chǔ)的二進(jìn)制編碼形式進(jìn)行位變異,增強(qiáng)了算法的全局搜索能力。結(jié)合遺傳算法的漂移效應(yīng)以及移除精英策略等改進(jìn)方案,本文提出漂移遺傳算法。在...
【文章來(lái)源】:華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:99 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景與意義
1.2 遺傳算法研究現(xiàn)狀
1.3 研究創(chuàng)新點(diǎn)
1.4 論文結(jié)構(gòu)安排
第二章 遺傳算法的概況
2.1 遺傳算法的歷史
2.2 遺傳算法主要特征及基本概念
2.3 標(biāo)準(zhǔn)遺傳算法的結(jié)構(gòu)
2.3.1 編碼方式以及解碼方式
2.3.2 選擇操作
2.3.3 交叉操作
2.3.4 變異操作
2.3.5 精英策略以及災(zāi)變
2.4 遺傳算法的基本理論
2.4.1 模式定理
2.4.2 馬爾可夫鏈(Markov鏈)
2.4.3 收斂性分析
2.5 遺傳算法的研究成果
2.6 本章小結(jié)
第三章 遺傳算法漂移效應(yīng)及其分析
3.1 實(shí)驗(yàn)設(shè)定
3.2 遺傳算法漂移的表現(xiàn)
3.3 遺傳算法漂移的原因分析
3.4 本章小結(jié)
第四章 遺傳算法浮點(diǎn)數(shù)位變異
4.1 遺傳算法的變異方式
4.1.2 浮點(diǎn)數(shù)隨機(jī)重設(shè)變異
4.1.3 交換變異
4.1.4 混亂變異
4.1.5 倒置變異
4.1.6 高斯變異
4.2 浮點(diǎn)數(shù)位變異方式
4.3 本章小結(jié)
第五章 驗(yàn)證實(shí)驗(yàn)
5.1 實(shí)驗(yàn)設(shè)定
5.2 各Benchmark函數(shù)的現(xiàn)象與觀察
5.2.1 Ackley函數(shù)
5.2.2 Rastrigin函數(shù)
5.2.3 Schwefel函數(shù)
5.2.4 Shubert函數(shù)
5.2.5 Six hump camelback函數(shù)
5.2.6 附加函數(shù)
5.3 實(shí)驗(yàn)結(jié)果分析
5.4 本章小結(jié)
第六章 漂移效應(yīng)的應(yīng)用
6.1 基于漂移效應(yīng)的改進(jìn)
6.2 實(shí)驗(yàn)設(shè)定
6.3 實(shí)驗(yàn)結(jié)果分析
6.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件
本文編號(hào):3033721
【文章來(lái)源】:華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:99 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景與意義
1.2 遺傳算法研究現(xiàn)狀
1.3 研究創(chuàng)新點(diǎn)
1.4 論文結(jié)構(gòu)安排
第二章 遺傳算法的概況
2.1 遺傳算法的歷史
2.2 遺傳算法主要特征及基本概念
2.3 標(biāo)準(zhǔn)遺傳算法的結(jié)構(gòu)
2.3.1 編碼方式以及解碼方式
2.3.2 選擇操作
2.3.3 交叉操作
2.3.4 變異操作
2.3.5 精英策略以及災(zāi)變
2.4 遺傳算法的基本理論
2.4.1 模式定理
2.4.2 馬爾可夫鏈(Markov鏈)
2.4.3 收斂性分析
2.5 遺傳算法的研究成果
2.6 本章小結(jié)
第三章 遺傳算法漂移效應(yīng)及其分析
3.1 實(shí)驗(yàn)設(shè)定
3.2 遺傳算法漂移的表現(xiàn)
3.3 遺傳算法漂移的原因分析
3.4 本章小結(jié)
第四章 遺傳算法浮點(diǎn)數(shù)位變異
4.1 遺傳算法的變異方式
4.1.2 浮點(diǎn)數(shù)隨機(jī)重設(shè)變異
4.1.3 交換變異
4.1.4 混亂變異
4.1.5 倒置變異
4.1.6 高斯變異
4.2 浮點(diǎn)數(shù)位變異方式
4.3 本章小結(jié)
第五章 驗(yàn)證實(shí)驗(yàn)
5.1 實(shí)驗(yàn)設(shè)定
5.2 各Benchmark函數(shù)的現(xiàn)象與觀察
5.2.1 Ackley函數(shù)
5.2.2 Rastrigin函數(shù)
5.2.3 Schwefel函數(shù)
5.2.4 Shubert函數(shù)
5.2.5 Six hump camelback函數(shù)
5.2.6 附加函數(shù)
5.3 實(shí)驗(yàn)結(jié)果分析
5.4 本章小結(jié)
第六章 漂移效應(yīng)的應(yīng)用
6.1 基于漂移效應(yīng)的改進(jìn)
6.2 實(shí)驗(yàn)設(shè)定
6.3 實(shí)驗(yàn)結(jié)果分析
6.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件
本文編號(hào):3033721
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3033721.html
最近更新
教材專著