【摘要】：現(xiàn)實生活中各個領域都存在多種多樣的優(yōu)化問題,模擬生物進化過程的遺傳算法,由于其魯棒性高、通用性強、簡單易行等優(yōu)點,已經廣泛應用于生產調度、圖像處理、機器學習等領域。然而標準遺傳算法存在易陷入局部最優(yōu)、求解精度低、收斂速度慢等缺陷。作為仿生算法的遺傳算法個體間的相互關系可視為一個復雜網絡,所以可以從復雜網絡的角度設計遺傳算法的種群結構。種群拓撲結構可以調整個體間信息的傳播,因而對遺傳算法的種群多樣性和收斂性能具有重要影響。因此,本文圍繞基于復雜網絡理論的遺傳算法分析與設計展開研究。首先,遺傳算法的進化過程可以建模為復雜網絡模型,現(xiàn)有研究稱之為信息流網絡。本文對信息流網絡建模進行改進并提出了更精準、簡捷的網絡非均勻性分析方法。在信息流網絡建模過程中,對被選擇但是沒有經過交叉、變異的個體進行加邊,得到的信息流網絡模型可以更完整地描述遺傳算法中優(yōu)勢基因信息的傳遞過程。另外,采用復雜網絡理論中的網絡結構熵刻畫信息流網絡的非均勻性。網絡結構熵反映了信息流網絡的有序程度,即網絡的非均勻性。相對于網絡冪律度分布曲線中擬合的標度指數(shù),依據(jù)網絡中節(jié)點數(shù)目和節(jié)點連接度直接計算的網絡結構熵可以更加精準簡捷的度量信息流網絡的非均勻性。其次,為了改善遺傳算法種群多樣性和收斂性能,本文設計了一種基于自組織動態(tài)網絡的遺傳算法。為了有效地評價節(jié)點的重要性,綜合考慮節(jié)點的目標函數(shù)值在鄰居節(jié)點中的排名以及鄰居節(jié)點數(shù),給出了一種新的指數(shù)型網絡節(jié)點適應度定義,可避免節(jié)點適應度為0造成的無效評價。此外,還提出了雙新、單新和選刪三種拓撲更新規(guī)則,使得遺傳算法的種群結構隨遺傳算法的進化而動態(tài)演化,有效地改善了遺傳算法在收斂性能方面的表現(xiàn)。最后,將基于自組織動態(tài)網絡的遺傳算法與標準遺傳算法和小世界遺傳算法進行對比,典型優(yōu)化函數(shù)測試結果表明,基于自組織動態(tài)網絡的遺傳算法在維持種群多樣性和收斂性能方面均有優(yōu)秀的表現(xiàn)。
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：O157.5;TP18
【圖文】：

遺傳算法流程圖

圖 2.5 無標度網絡示意圖無標度網絡模型的兩個重要性質為增長性和優(yōu)先連接性，一方面網絡中節(jié)點會不斷增加，另一方面，新加入的節(jié)點會與連接邊較多的節(jié)點建立新的連邊。BA 網絡在構造初期是一個較小的網絡，此網絡模型擁有一定數(shù)量的節(jié)點，迭代一次后向網絡中添加一個新的節(jié)點，將新節(jié)點與原有的m 個節(jié)點之間添加新的連接邊。因此，可以計算出 BA 網絡的連接度分布如下：32 ( 1)( )( 1)( 2)m mP k kk k k （2.10）由平均場理論計算出 BA 網絡的聚類系數(shù)為[12]：2 2 2( 1) 1 1 (ln )( ) ln( )4( 1) 1m m m tC tm m m t （2.11）2.3本章小結

圖 3.2 種群迭代流程圖 圖 3.3 解信息迭代流程圖滿足終止條件后輸出遺傳算法信息流網絡，然后對信息流網絡計算網絡結構熵。代過程中子代與父代之間會有信息流動，圖 3.4 具體描述了這一過程。比如個體 1 00111 是由父代 10111 和 00011 交叉產生。圖中箭頭的方向表示父代與子代之間方向。初始個體10111 00011 11000 00110 01100 10101變異交叉10010 0011100010 0011101100 1010110011 0011100010 0011101100 10101加邊加邊Y變異種群 D終止條件ojian結束N

【相似文獻】

相關期刊論文 前10條

1 馮錦春;楊林建;;利用遺傳算法進行機械優(yōu)化[J];四川工程職業(yè)技術學院學報;2007年06期

2 任志鳳;胡小建;孫太生;徐飛;李云良;;遺傳算法在焊接領域的優(yōu)化與應用[J];現(xiàn)代焊接;2012年03期

3 李振業(yè);陳婷;陳靜;;基于遺傳算法的旅游最優(yōu)路徑探究[J];電腦知識與技術;2018年34期

4 唐文琦;曾干敏;劉澤宇;;淺談遺傳算法及其部分改進算法[J];科技風;2019年12期

5 李巖;袁弘宇;于佳喬;張更偉;劉克平;;遺傳算法在優(yōu)化問題中的應用綜述[J];山東工業(yè)技術;2019年12期

6 魏曉玲;;一種改進遺傳算法及驗證[J];電腦編程技巧與維護;2019年06期

7 馮雙林;靳繼紅;;現(xiàn)代農機數(shù)字化裝配車間調度技術研究——基于云計算和遺傳算法[J];農機化研究;2018年01期

8 梁肖;周湘貞;;基于遺傳算法的小麥收割機路徑智能優(yōu)化控制研究[J];農機化研究;2018年02期

9 王勇;孫耀南;;基于遺傳算法的醫(yī)院房間位置優(yōu)化研究[J];電腦與信息技術;2018年01期

10 李超;王杰;史運濤;李錦龍;;基于遺傳算法的汽油調和優(yōu)化系統(tǒng)[J];工業(yè)控制計算機;2018年10期

相關會議論文 前10條

1 謝宏;袁小芳;向啟均;陳yN婧;王立宸;;機器人慣性參數(shù)的改進遺傳算法辨識方法研究[A];第37屆中國控制會議論文集（B）[C];2018年

2 彭軍;徐本柱;劉曉平;;遺傳算法的實現(xiàn)及其在生產調度中的應用[A];全國第20屆計算機技術與應用學術會議（CACIS·2009）暨全國第1屆安全關鍵技術與應用學術會議論文集（上冊）[C];2009年

3 韓戰(zhàn)鋼;;遺傳算法及在經濟中的應用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

4 賴梅;熊麗榮;;基于改進遺傳算法的乘務交路優(yōu)化問題研究[A];第二十一屆中國控制會議論文集[C];2002年

5 肖龍光;丁曉東;;基于理性變異的遺傳算法[A];第六屆中國青年運籌與管理學者大會論文集[C];2004年

6 鞠訓光;于洪珍;;求整體優(yōu)化全部解的區(qū)間排除遺傳算法[A];第十七屆全國過路控制會議論文集[C];2006年

7 劉興隆;;快速進化式遺傳算法[A];“電力大系統(tǒng)災變防治和經濟運行重大課題”部分專題暨第九屆全國電工數(shù)學學術年會論文集[C];2003年

8 談斌;唐力鐵;張己化;周海云;;遺傳算法在漫反射系數(shù)計算中的應用研究[A];2007年光電探測與制導技術的發(fā)展與應用研討會論文集[C];2007年

9 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設計算機應用創(chuàng)新論壇論文集[C];2009年

10 蔡亞星;李偉明;尚飛;任武;薛正輝;高本慶;;雙種群遺傳算法進行陣列天線綜合[A];2005'全國微波毫米波會議論文集（第三冊）[C];2006年

相關重要報紙文章 前10條

1 郭勉愈　編譯;遺傳算法：讓發(fā)明自動“進化”[N];科學時報;2011年

2 上�？茖W院規(guī)劃研究處 劉小玲;上海能否成為人工智能城市[N];解放日報;2017年

3 記者 常麗君;科學家首次將遺傳算法用于量子模擬[N];科技日報;2016年

4 林京;《神經網絡和遺傳算法在水科學領域的應用》將面市[N];中國水利報;2002年

5 記者 李星婷;2014中國生命電子學術年會在渝召開[N];重慶日報;2014年

6 記者 劉霞;美用遺傳算法逆向設計新型納米材料[N];科技日報;2013年

7 高雪娟;協(xié)同設計的平臺策略[N];中國計算機報;2006年

8 陳巍;浩辰有望在協(xié)同設計關鍵領域取得突破 引領CAD應用新潮流[N];大眾科技報;2006年

9 本報記者 李元麗;堅持自主創(chuàng)新 掀起AI+教育的中國浪潮[N];人民政協(xié)報;2018年

10 高峰;美國真能毀掉中國？[N];世界報;2012年

相關博士學位論文 前10條

1 孫秋紅;基于遺傳算法的水質數(shù)據(jù)挖掘與應用研究[D];燕山大學;2016年

2 金小敏;移動云環(huán)境中的計算遷移系統(tǒng)關鍵技術研究[D];北京郵電大學;2018年

3 王小港;遺傳算法在VLSI設計自動化中的應用研究[D];中國科學院上海冶金研究所;2001年

4 宋曉峰;優(yōu)生演進優(yōu)化和統(tǒng)計學習建模[D];浙江大學;2003年

5 吳大宏;基于遺傳算法與神經網絡的橋梁結構健康監(jiān)測系統(tǒng)研究[D];西南交通大學;2003年

6 卜雷;城市貨物運輸規(guī)劃優(yōu)化方法研究[D];西南交通大學;2004年

7 廖平;基于遺傳算法的形狀誤差計算研究[D];中南大學;2002年

8 李智勇;模式交流多群體遺傳算法及其在神經網絡進化建模中的應用[D];湖南大學;2003年

9 陳星;網絡并行和遺傳算法在HPM生物效應評價和輻射天線設計中的應用研究[D];四川大學;2004年

10 金菊良;遺傳算法及其在水問題中的應用[D];河海大學;1998年

相關碩士學位論文 前10條

1 楊華麗;基于遺傳算法的復雜間歇生產綠色調度優(yōu)化研究[D];湘潭大學;2019年

2 肖夏;基于改進遺傳算法的云計算任務調度算法的研究和實現(xiàn)[D];重慶郵電大學;2019年

3 靳彬鋒;基于遺傳算法的多目標柔性車間調度問題研究[D];寧夏大學;2019年

4 馬詩琪;基于規(guī)范的企業(yè)Agent智能性研究[D];寧夏大學;2019年

5 陳卓;電商配送中心訂單分批問題研究[D];安徽工業(yè)大學;2019年

6 謝飛強;基于遺傳算法的航天制造執(zhí)行系統(tǒng)的研究[D];哈爾濱工業(yè)大學;2019年

7 霍承鼎;基于遺傳算法的地下混凝土筒倉結構優(yōu)化設計[D];河南工業(yè)大學;2019年

8 唐雷華;基于遺傳算法的非等同并行多機生產排程成本優(yōu)化問題研究[D];華南理工大學;2019年

9 郭杰鵬;基于遺傳算法的城市軌道運行節(jié)能研究[D];廣東工業(yè)大學;2019年

10 尹亞明;基于改進的遺傳算法的倉庫機器人路徑優(yōu)化研究[D];成都理工大學;2019年

本文編號：2793908