本文選題：遺傳算法　切入點：Bootstrap方法　出處：《鄭州大學(xué)》2017年碩士論文

【摘要】：本文引入人工智能領(lǐng)域的遺傳算法,對遺傳算法應(yīng)用于格點量子色動力學(xué)數(shù)據(jù)擬合的可行性進行了探索。采用bootstrap的方法進行標(biāo)準(zhǔn)差估計,改進了遺傳算法不能給出誤差范圍的不足。提出最大密度68%誤差估計方法,從概率密度的新視角看待68%的誤差估計方法。提出外來物種入侵策略提高了并行遺傳算法的計算效率。利用遺傳算法對Metropolis Hastings算法進行預(yù)處理,縮短了Metropolis Hastings算法的預(yù)熱過程。對人工模擬數(shù)據(jù)和實際數(shù)據(jù)進行擬合,并與格點量子色動力學(xué)領(lǐng)域通用擬合軟件QMBF進行對比,驗證了以上方法與思想。提出了適應(yīng)度的延時計算可以提高遺傳算法的并行規(guī)模,減少算法運行時間。提出了深度學(xué)習(xí)方法改進外來物種入侵策略的效率。
[Abstract]:In this paper, the feasibility of applying genetic algorithm to lattice quantum chromodynamics data fitting is explored by introducing genetic algorithm in artificial intelligence field. Standard deviation estimation is carried out by using bootstrap method. The method of estimating the maximum density of 68% error is proposed, which can not give the error range by the improved genetic algorithm. This paper discusses 68% error estimation method from a new perspective of probability density, and proposes alien species invasion strategy to improve the computational efficiency of parallel genetic algorithm. Genetic algorithm is used to preprocess Metropolis / Hastings algorithm. The preheating process of Metropolis Hastings algorithm is shortened. The artificial simulation data and the actual data are fitted and compared with the general fitting software QMBF in the field of lattice quantum chromatic dynamics. The above methods and ideas are verified. It is proposed that the delay computation of fitness can improve the parallel scale of genetic algorithm and reduce the running time of the algorithm, and the depth learning method is proposed to improve the efficiency of alien species invasion strategy.
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：O572.243;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 張文修,梁怡;遺傳算法的數(shù)學(xué)基礎(chǔ)[J];西安交通大學(xué)學(xué)報;2000年10期

2 陳琨;張志明;;一種改進遺傳算法的設(shè)計與實現(xiàn)[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2006年01期

3 胡蘭萍;黃海斌;;遺傳算法及其在化學(xué)領(lǐng)域中的應(yīng)用[J];海南師范學(xué)院學(xué)報(自然科學(xué)版);2006年03期

4 王珊珊;;遺傳算法的理論基礎(chǔ)及應(yīng)用[J];科協(xié)論壇(下半月);2008年09期

5 高翔;海洋;;遺傳算法應(yīng)用[J];赤峰學(xué)院學(xué)報(自然科學(xué)版);2009年03期

6 劉定理;;遺傳算法綜述[J];中國西部科技;2009年25期

7 歐陽柏平;;基于遺傳算法優(yōu)化獨立分量分析[J];科技信息;2010年07期

8 儲育青;齊義飛;肖立順;陳暉敏;石玉文;;遺傳算法研究概述[J];科技風(fēng);2010年09期

9 曾瑛;;遺傳算法在優(yōu)化求解中的應(yīng)用[J];科技創(chuàng)業(yè)月刊;2012年10期

10 丁承民,張傳生,劉輝;遺傳算法縱橫談[J];信息與控制;1997年01期

相關(guān)會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 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(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

相關(guān)重要報紙文章 前2條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

2 李國震;東風(fēng)汽車召開首次QCD改善成果發(fā)布會[N];中國汽車報;2005年

相關(guān)博士學(xué)位論文 前10條

1 Amjad Mahmood;半監(jiān)督進化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

2 李險峰;基于改進遺傳算法的汽車裝配生產(chǎn)線平衡問題研究[D];北京科技大學(xué);2017年

3 孫秋紅;基于遺傳算法的水質(zhì)數(shù)據(jù)挖掘與應(yīng)用研究[D];燕山大學(xué);2016年

4 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

5 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

6 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

7 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

8 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

9 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

10 劉冀成;基于改進遺傳算法的生物電磁成像與磁場聚焦應(yīng)用研究[D];四川大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運車車廂的設(shè)計研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號：1672502