發(fā)布時間：2017-09-04 18:23

  本文關鍵詞：基于復雜網絡理論的遺傳算法研究

  更多相關文章： 復雜網絡 遺傳算法 信息流網絡 拓撲結構

【摘要】：自1998年的Watts和Strogatz提出“小世界”網絡模型，1999年Barabàsi和Albert提出“無標度”網絡演化模型以來，復雜網絡的研究在實證分析、網絡的演化模型、網絡的動力學行為和復雜網絡理論的應用這四個方面取得了驚人的進展。遺傳算法是一種模仿生物進化過程的啟發(fā)式搜索算法，從本質上看，，其研究對象是一個由眾多個體組成的復雜自適應系統(tǒng)。隨著復雜網絡理論的發(fā)展人們開始研究基于復雜網絡的遺傳算法。由于遺傳算法的種群結構直接影響優(yōu)秀基因段的重組和傳播，所以一些研究集中在遺傳算法的種群結構上。 信息流網絡描述了遺傳算法中個體間實際的迭代拓撲，這為我們提供了一個新視角來研究遺傳算法。通過對信息流網絡的研究我們可以更好地理解遺傳算法在不同操作控制下的特性。本文對信息流網絡中節(jié)點度分布的進行了詳細研究，包括冪律分布的標度指數(shù)的變化。本文旨在揭示遺傳算法在不同操作下信息流網絡的特性，并給出不同于先前研究者給出的解釋。 我們根據經驗分析了遺傳算法中信息流網絡的靜態(tài)特性。實驗結果顯示，當至少有一些選擇壓力的時候，信息流網絡中節(jié)點的度分布是無標度的，并且當度很小的時候度分布圖會出現(xiàn)分支現(xiàn)象。增大交叉率，減小變異率或是減小選擇壓力將會增加節(jié)點的平均度，因此導致標度指數(shù)的減小。這些研究會對種群中基因物質的分布和結合的理解有所幫助，并有益于提高遺傳算法的效率。
【關鍵詞】：復雜網絡 遺傳算法 信息流網絡 拓撲結構
【學位授予單位】：三峽大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O157.5;TP18
【目錄】：

• 摘要4-5
• Abstract5-6
• 目錄6-8
• 引言8-9
• 1 緒論9-13
• 1.1 課題科學意義和應用前景9-10
• 1.2 國內外研究現(xiàn)狀10-13
• 2 復雜網絡概述13-25
• 2.1 圖的概念及表示方法13-14
• 2.2 復雜網絡14-17
• 2.2.1 連接度(Degree)14-15
• 2.2.2 度分布函數(shù)(Degree Distribution)15
• 2.2.3 聚類系數(shù)(C/ustering Coefficient)15-16
• 2.2.4 特征路徑長度(Characteristic Length)16-17
• 2.2.5 介數(shù)(Betweeness)17
• 2.3 復雜網絡的統(tǒng)計性質17-23
• 2.3.1 規(guī)則網絡17-18
• 2.3.2 隨機網絡18-20
• 2.3.3 小世界網絡20-21
• 2.3.4 無標度網絡模型21-23
• 2.4 復雜網絡應用舉例23-24
• 2.5 生活中我們對復雜網絡的直觀認識24-25
• 2.6 小結25
• 3 信息流網絡模型搭建25-39
• 3.1 遺傳算法基本原理26-28
• 3.2 遺傳算法的理論基礎28-29
• 3.2.1 模式定理28
• 3.2.2 積木塊假設28-29
• 3.3 遺傳算法特點及應用29-30
• 3.3.1 遺傳算法的特點29-30
• 3.3.2 遺傳算法的應用30
• 3.4 遺傳算法下信息流網絡的搭建30-39
• 3.4.1 問題編碼30-31
• 3.4.2 初始種群設定31
• 3.4.3 適應值函數(shù)31-32
• 3.4.4 遺傳算子分析32-35
• 3.4.5 信息流網絡建模與輸出35-39
• 3.4.6 信息流網絡標度指數(shù)計算39
• 3.4.7 小結39
• 4 信息流網絡拓撲結構特性分析39-49
• 4.1 最大似然法原理40-41
• 4.2 測試函數(shù)41-44
• 4.3 不同操作下信息流網絡的靜態(tài)特性分析44-49
• 4.3.1 IFNs的分支特性44-46
• 4.3.2 不同交叉率和變異率下的IFN46-48
• 4.3.3 選擇壓力和IFN48-49
• 5 總結49-50
• 中外文參考文獻50-53
• 后記53-54
• 附錄：攻讀碩士學位期間發(fā)表的部分學術論著54

【參考文獻】

中國期刊全文數(shù)據庫 前9條

1 蔡澤祥;王星華;任曉娜;;復雜網絡理論及其在電力系統(tǒng)中的應用研究綜述[J];電網技術;2012年11期

2 張東曉;王靜;范煒;王磊;;基于并行遺傳算法的水電站群中期優(yōu)化調度[J];電力自動化設備;2012年12期

3 侯建花,楊長青;一種求解TSP問題的并行遺傳算法[J];計算機仿真;2005年02期

4 謝曉鋒,張文俊,張國瑞,楊之廉;差異演化的實驗研究[J];控制與決策;2004年01期

5 鞏敦衛(wèi),孫曉燕;基于模式定理的遺傳算法交叉和變異概率上限[J];控制與決策;2004年05期

6 李云強;余昭平;;遺傳算法中重要模式及其性質[J];模式識別與人工智能;2006年01期

7 汪泓,韓文秀;關于Rastrigin函數(shù)的注記[J];青島大學學報(自然科學版);1999年03期

8 倪慶劍;張志政;王蓁蓁;邢漢承;;一種基于可變多簇結構的動態(tài)概率粒子群優(yōu)化算法[J];軟件學報;2009年02期

9 王小良;李強;;并行遺傳算法研究及其應用[J];微計算機信息;2007年09期

中國博士學位論文全文數(shù)據庫 前1條

1 吳正平;復雜網絡建模與一致性及在多移動智能體中的應用[D];華中科技大學;2007年

中國碩士學位論文全文數(shù)據庫 前1條

1 周競鈺;基于復雜網絡理論的電力系統(tǒng)連鎖故障的研究[D];湖南大學;2011年

本文編號：793125