进化策略学习、收敛和逃逸能力的研究及应用

论文题目: 进化策略学习、收敛和逃逸能力的研究及应用

论文类型: 博士论文

论文专业: 控制理论与控制工程

作者: 阎岭

导师: 蒋静坪

关键词: 进化策略,进化学习策略,拉马克主义,达尔文主义,后天获得性遗传,模糊系统可解释性,最简约模糊划分,完备清晰性,一致性,聚类

文献来源: 浙江大学

发表年度: 2005

论文摘要: 进化计算是一种受生物进化论启发而建立的优化算法,拓展了传统的计算模式,为复杂问题的求解提供了新的解决办法。将进化策略和学习算法相结合是当前的发展方向之一,但是理论研究相对较少,限制了它的进一步发展。本文首先分析了基于拉马克主义的进化学习策略(简称LELS)和基于达尔文主义的进化学习策略(简称DELS)的异同;利用马尔可夫链理论证明了此类算法的收敛性,并且在理论上分析了DELS具仃更强的局部逃逸能力,算法的运行速度也明显得到了提高。 接下来本文分别将均匀变异算子引入进化策略和进化学习策略中,使得该类算法结构更简单,理论分析更方便,局部逃逸能力较好,并对收敛性进行了证明,最后的仿真实验表明了该方法的有效性。 模糊系统的可解释性明显优于其他人工智能方法,却长期没有引起人们足够的注意。本文对模糊系统的可解释性作了深入的分析,定义了最简约模糊划分、模糊划分的完备-清晰性、模糊规则的完备性、紧凑性和一致性,并将其加入到进化策略的适值函数中,用于优化模糊系统。即使在先验知识较少的情况下,该方法依然可以设计出具有较好系统响应性能和较高可解释性的模糊系统。 针对K-means聚类算法易陷入局部极小和K值选取的问题,本文提出一类基于进化策略的聚类算法,可以有效的搜索最优聚类中心和聚类个数K;还提出了确定K值范围经验公式,以减小搜索空间,提高搜索效率,并给出理论分析。 传统的观点认为进化策略是一种全局随机多点搜索技术,LMS算法是一种基于梯度法的单点搜索策略,这两种算法是两种截然小同的。本章对此进行了深入的探讨,认为这两者之间的差异更多的是基于我们平时的一些“想当然”的观念上的,进化策略可以看作是一种“概率”意义上的梯度搜索技术,而LMS算法也可以看作一种多点搜索技术。

论文目录:

第一章 绪论

1.1 进化计算的发展概况

1.2 进化计算原理与特点

1.3 进化策略简介

1.3.1 二元进化策略

1.3.2 多元进化策略

1.3.3 进化策略的特点

1.3.4 进化策略的基本流程

1.4 进化论的发展概况及对进化计算的影响

1.4.1 进化没有方向没有终点

1.4.2 “Evolution”译成“进化”或“演化”的思考

1.4.3 进化论的新发展对进化计算的影响

1.5 本文研究的主要内容

第二章 进化学习策略收敛性和逃逸能力

2.1 问题的提出

2.2 预备知识

2.2.1 学习、基因型、表现型与适应度之间的关系

2.2.2 拉马克的用进废退和达尔文的自然选择

2.3 进化学习策略描述

2.3.1 基于达尔文主义的进化学习策略(DELS)算法流程

2.3.2 基于拉马克主义的进化学习策略(LELS)

2.4 收敛性证明和局部极值逃逸能力分析

2.4.1 进化学习策略收敛性证明

2.4.2 局部极值逃逸能力分析

2.5 仿真实例

2.6 本章小结

第三章 基于均匀分布变异算子的进化策略

3.1 问题的提出

3.2 基于均匀变异算子的进化策略描述

3.2.1 算法流程

3.2.2 变异过程

3.3 收敛性证明

3.4 局部极值逃逸能力分析

3.5 仿真实例

3.6 本章小结

第四章 基于均匀分布变异算子的进化学习策略

4.1 问题的提出

4.2 均匀进化学习策略描述

4.2.1 基于达尔文主义的均匀进化学习策略(DUELS)

4.2.2 基于拉马克主义的进化学习策略(LUELS)

4.2.3 变异和学习的几何意义

4.3 收敛性证明和局部极值逃逸能力分析

4.3.1 均匀进化学习策略收敛性证明

4.3.2 局部极值逃逸能力分析

4.4 仿真实例

4.5 本章小结

第五章 基于进化策略生成可解释性模糊系统

5.1 引言

5.2 模糊系统的可解释性

5.2.1 最简约模糊划分

5.2.2 模糊划分的完备-清晰性

5.2.3 模糊规则的完备性与紧凑性

5.2.4 模糊规则的一致性

5.3 基于进化策略生成可解释性模糊系统

5.3.1 采用进化策略的混和参数优化

5.3.2 模糊系统编码和适值函数的建立

5.3.3 优化过程

5.3.4 仿真实例及分析

5.4 本章小结

第六章 基于进化策略的K-MEANS聚类算法

6.1 问题的提出

6.2 K-MEANS聚类算法

6.3 基于进化策略的聚类算法

6.3.1 进化策略简介

6.3.2 给定K值时的进化编码和适值函数的建立

6.3.3 未给定K值时的进化编码和适值函数的建立

6.3.4 提高搜索效率的经验公式

6.4 仿真实例及分析

6.5 本章小结

第七章 引入全局中间交叉算子的进化策略与LMS算法异同的探讨

7.1 引言

7.2 基础知识

7.2.1 交叉算子简介

7.2.2 LMS算法简介

7.3 进化策略(ES)和LMS算法的比较

7.4 本章小结

第八章 全文总结

主要参考文献

附录 本文采用的10个标准测试函数

攻读博士学位期间发表的主要学术论文

致谢

发布时间: 2006-07-12

参考文献

• [1].进化策略的变异算子与仿真平台研究[D]. 王湘中.中南大学2005
• [2].文化算法及其应用研究[D]. 刘纯青.哈尔滨工程大学2007
• [3].基于广域测量系统的电力系统阻尼控制器设计[D]. 石颉.天津大学2007
• [4].多传感器数据融合算法研究[D]. 吴艳.西安电子科技大学2003
• [5].机器学习中的权重学习与差分演化[D]. 董春茹.华南理工大学2015

相关论文

• [1].计算智能及其工程应用[D]. 杨启文.浙江大学2001
• [2].免疫进化计算理论及应用[D]. 王磊.西安电子科技大学2001
• [3].进化决策的模型、关键技术与应用研究[D]. 荔建琦.中国人民解放军国防科学技术大学2002
• [4].进化计算中的模式理论、涌现及应用研究[D]. 杨海军.天津大学2004
• [5].多智能体进化模型和算法研究[D]. 钟伟才.西安电子科技大学2004
• [6].协同进化算法及其应用研究[D]. 刘静.西安电子科技大学2004
• [7].进化策略的变异算子与仿真平台研究[D]. 王湘中.中南大学2005
• [8].多目标进化算法及其应用研究[D]. 孟红云.西安电子科技大学2005
• [9].蚁群算法及其应用研究[D]. 杨剑峰.浙江大学2007
• [10].进化计算中的若干问题及应用研究[D]. 陈得宝.南京理工大学2008

标签：进化策略论文;  进化学习策略论文;  拉马克主义论文;  达尔文主义论文;  后天获得性遗传论文;  模糊系统可解释性论文;  最简约模糊划分论文;  完备清晰性论文;  一致性论文;  聚类论文;