基于遗传编程的可持续性模拟退火算法建模及应用实现

基于遗传编程的可持续性模拟退火算法建模及应用实现

论文摘要

本文在研究分析标准模拟退火算法在可持续性进化方面的缺陷基础之上,受生物进化中公平竞争模式的启发,引入了可持续进化算法模型—HFC模型,提出了一种新的可持续的模拟退火算法——HFCSA。HFC模型将种群中的个体按适应度值分成不同的等级并且各个等级单独进化,此外HFC模型中以输入、输出阀值来控制各等级中个体的迁移。该模型将传统收敛进化计算模型转换为可持续搜索模型,缓解了进化算法局部收敛的问题,保证了种群的多样性。通过结合HFC模型,HFCSA算法不仅保存模拟退火算法全局最优的搜索特性,而且改进了搜索的可持续性。在用HFCSA算法、遗传算法(GA)和模拟退火算法(SA)在相同条件下求解48城市旅行商问题的对比实验中,搜索结果表明HFCSA在搜索的结果和可持续性上优于GA和SA。在帮助贵阳医学院设计医学实验时间安排这种带约束的优化的问题上,HFCSA算法也可以很好的设计出合理的方案。虽然HFCSA算法在我们的对比实验中表现出了较GA和SA有搜索结果和可持续性的优势,并在应用设计中体现了良好的应用设计能力。但是,和其它两种算法一样,HFCSA也存在着编码的局限,只能进化数据,无法进行结构和参数的同时进化,这个缺陷是由SA算法与生俱来的搜索机制决定的,主要是算法的算子无法对结构和参数的编码同时等价操作。众所周知,工程领域的很多优化设计问题都需要参数和结构协同优化,SA的这种编码方式大大限制了它们解决协同搜索的能力,使它们的应用范围受到限制。因此,在进一步的研究中,我们寻求解决这个问题,引入了遗传编程(GP)的思想提出了基于遗传编程的HFCSA算法。GP-HFCSA算法借鉴遗传编程的树形编码,将结构和参数混合编入GP树中,这样,随着GP树的生长,参数和结构实现了同时进化,并用GP-HFCSA算法和参考算法在相同条件下解决8特征值放置问题做对比,通过连续随机运行20次的统计结果看出,GP-HFCSA算法的平均搜索效果要优于参照算法。最后,我们用GP-HFCSA算法做了无源滤波器的设计实验,即用GP-HFCSA算法来设计与目标无源滤波器功能类似的滤波器。实验中,设计出的无源滤波器功能比较接近目标。这表明:GP-HFCSA算法可以实现电路设计这种需要结构和参数同时进化的设计,将来可以应用到复杂的多域动态系统设计,具有广泛的应用前景。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 课题来源
  • 1.2 课题研究的目标及意义
  • 1.3 国内外研究现状
  • 1.3.1 标准的模拟退火算法(SA)
  • 1.3.2 并行模拟退火算法(Parallel SA)
  • 1.3.3 自适应模拟退火算法(Adaptive SA)
  • 1.3.4 混合模拟退火算法(Hybrid SA)
  • 1.3.5 其他相关研究现状
  • 1.3.6 模拟退火算法的发展趋势
  • 1.4 研究的主要内容
  • 1.5 论文提出的观点及主要创新点
  • 1.6 本章小节
  • 第二章 基于分等级搜索的可持续性模拟退火算法研究
  • 2.1 标准模拟退火算法及其缺陷
  • 2.1.1 算法描述
  • 2.1.2 算法缺陷和难点
  • 2.2 HFC模型
  • 2.2.1 HFC模型的基本结构
  • 2.2.2 HFC模型的特点
  • 2.3 基于HFC模型的可持续模拟退火算法——HFCSA
  • 2.3.1 改进标准模拟退火算法的基本思路
  • 2.3.2 HFCSA算法的描述
  • 2.3.3 HFCSA算法的特点
  • 2.4 验证实例
  • 2.5 本章小结
  • 第三章 HFCSA算法的应用设计
  • 3.1 应用设计
  • 3.2 实验描述
  • 3.3 设计方案
  • 3.4 设计结果
  • 3.5 设计分析
  • 3.6 本章小结
  • 第四章 基于遗传编程的HFCSA算法(GP-HFCSA)
  • 4.1 遗传编程
  • 4.2 键合图表示法
  • 4.3 基于HFC模型的遗传编程
  • 4.4 基于遗传编程的HFCSA算法
  • 4.5 对比实验
  • 4.6 本章小结
  • 第五章 基于遗传编程的HFCSA算法的滤波器设计实验
  • 5.1 问题描述
  • 5.2 设计方案
  • 5.3 设计实验结果
  • 5.4 实验分析
  • 5.5 本章小结
  • 第六章 结论和进一步工作
  • 6.1 研究总结
  • 6.2 进一步工作
  • 致谢
  • 参考文献
  • 附录
  • 相关论文文献

    • [1].模拟退火算法的应用[J]. 西部皮革 2019(20)
    • [2].基于模拟退火算法的图像分割[J]. 数码世界 2017(06)
    • [3].基于模拟退火算法的改进极限学习机[J]. 计算机系统应用 2020(02)
    • [4].基于模拟退火算法的电源规划[J]. 上海电力大学学报 2020(03)
    • [5].基于变分辨率网格的模拟退火算法在形状优化问题上的应用研究[J]. 数学建模及其应用 2020(02)
    • [6].基于模拟退火算法的改进型退火策略研究[J]. 东华理工大学学报(自然科学版) 2016(03)
    • [7].模拟退火算法改进综述及参数探究[J]. 大学数学 2015(06)
    • [8].模拟退火算法求解二次规划问题与实现[J]. 电脑编程技巧与维护 2013(13)
    • [9].一种模拟退火算法与禁忌搜索算法的混合算法[J]. 现代计算机(专业版) 2012(06)
    • [10].基于模拟退火粒子群算法在数据关联上的研究[J]. 微计算机信息 2010(15)
    • [11].基于全局和声搜索的模拟退火算法改进[J]. 计算机工程与科学 2010(11)
    • [12].改进模拟退火算法在圆锥滚子轴承优化中的应用[J]. 机械设计与研究 2008(03)
    • [13].模拟退火算法的改进[J]. 通化师范学院学报 2017(10)
    • [14].蚁群算法与模拟退火、遗传算法比较分析[J]. 无线互联科技 2015(13)
    • [15].模拟退火算法求解指派问题新探[J]. 吉林建筑工程学院学报 2011(04)
    • [16].混沌模拟退火算法在数值函数优化中的应用[J]. 计算机与数字工程 2010(03)
    • [17].模拟退火算法在应急物流车辆调度中的应用[J]. 物流工程与管理 2009(06)
    • [18].无源电力滤波器参数的混沌模拟退火优化设计[J]. 电力自动化设备 2009(08)
    • [19].基于蚁群模拟退火的云任务调度算法改进[J]. 计算机技术与发展 2017(03)
    • [20].基于模拟退火算法的岛礁补给路径规划[J]. 兵工自动化 2017(05)
    • [21].应用模拟退火算法对众筹筑屋规划方案的研究[J]. 数学学习与研究 2016(11)
    • [22].基于模拟退火的粒子群算法寻优[J]. 科技与创新 2020(22)
    • [23].和声模拟退火算法及其在旅行商问题中的应用[J]. 云南民族大学学报(自然科学版) 2013(03)
    • [24].模拟退火算法探讨[J]. 旅游纵览(下半月) 2013(18)
    • [25].模拟退火算法优化无线传感器网络路由技术[J]. 科技通报 2012(12)
    • [26].遗传模拟退火混合算法在钣金自动排样中的研究[J]. 机械 2010(05)
    • [27].混合模拟退火-进化策略在非线性参数估计中的应用[J]. 数学的实践与认识 2010(22)
    • [28].基于模拟退火算法的电子侦察卫星任务规划问题研究[J]. 装备指挥技术学院学报 2010(03)
    • [29].岩体力学参数反演的模拟退火支持向量机方法[J]. 宁夏大学学报(自然科学版) 2008(03)
    • [30].求解三维装箱的混合模拟退火算法(英文)[J]. 心智与计算 2009(02)

    标签:;  ;  ;  ;  ;  ;  

    基于遗传编程的可持续性模拟退火算法建模及应用实现
    下载Doc文档

    猜你喜欢