研究思维进化计算的多峰优化性能及研究算法参数对效率的影响

摘要

该文回顾了进化计算和思维进化计算的背景知识;构造了基于双目标优化的双层MEC;用双层MEC更深一步地研究了MEC的多峰优化性能,从而进一步丰富了MEC框架;讨论了MEC参数对解的精度及对算法搜索计算量的影响,以便在今后的工作中能够更好地应用MEC解决问题.首先,为了提高实验效率,解决手工调参带来的不便,构造了基于双目标优化的双层MEC,高层MEC中以一组参数为一个个体,每个个体将被底层MEC评价,返回该个体对应的适应值.考虑到评价次数是评价算法性能好坏的重要标准,同时还要考虑找到的解的质量(即所找到的解的精确性),以每个个体对应底层MEC中函数的评价次数与找到的解与真实解之间绝对误差的加权和作为其适应值,从而得到底层MEC的个体评价次数和解的精度的折中解.底层MEC优化函数.其次,用双层MEC更近一步地研究了MEC的多峰优化性能.测试了十个多峰函数,其中有峰高相等及不等的.且与几种小生境遗传算法及物种保存遗传算法作了性能比较,实验表明,MEC优化多峰函数是非常高效的,尤其对于复杂欺骗问题,其计算效率竟高于对照算法92％以上.最后,为了更好地应用MEC解决问题,用双层MEC分别讨论了MEC解决一维及二维数值优化问题时参数:1)Nm对找到的解的精度的影响(MEC趋同操作的停止准则是:连续若干代(记为Nm)子群体不再产生新的胜者).结果表明:子群体尺寸SG固定,Nm越大,所得到的解的精度越高.2)SG对算法搜索计算量的影响.通过实验得到了数值优化时在所找到的解达到精度要求的前提下,算法搜索计算量较少时SG的取值范围.

目录

文摘

英文文摘

第一章绪论

1引言

2 MEC的主要研究成果

3本文的主要内容

第二章遗传算法概述

1进化计算的主要分支

(1)进化策略

(2)进化规划

(3)遗传程序设计

(4)遗传算法

2遗传算法的发展历史

3遗传算法的基本原理

4遗传算法中的分析工具

5小生境遗传算法

6物种保存GA

7著名的GA期刊会议和研究实验室

第三章思维进化计算

1思维进化计算的提出

2 MEC的基本框架

(1)MEC的系统结构和基本知识

(2)MEC中的两个重要操作

(3)三个基本机制

3 MEC的主要研究进展

第四章用双层MEC研究MEC的多峰优化性能

1多峰优化

2峰半径异化策略

3双层MEC的构造

4十个测试函数

5实验一及结果

6实验一结论

第五章对MEC参数的研究

1测试函数

2Nm对解的精度的影响

(1)实验二：单峰优化

(2)实验三：多峰优化

3 SG对MEC搜索计算量的影响

(1)搜索计算量的定义

(2)实验四：单峰优化

(3)实验五：多峰优化

4小结

第六章总结及结论

参考文献

附录

附录1 EC和MEC术语表

附录2 MEC伪码简单版本

附录3几种GA算法流程图

致谢

在学期间发表的论文