基于捕食搜索策略的遗传算法的研究及应用

论文摘要

遗传算法是一种自适应全局优化概率搜索算法,具有简单通用、不依赖问题的具体领域和对问题种类有很强的鲁棒性等特点,所以在很多领域得到了广泛的应用。在遗传算法的诸多应用中,发现遗传算法还存在一些问题,最主要的两个问题是遗传算法易发生早熟现象和局部搜索能力弱而导致的求解精度不高及求解效率低。虽然已有很多改进,但大多数的改进都有针对性和局限性的,普适性较差,两个问题兼顾的算法更是不多见。因此如何解决这些问题,提高遗传算法的优化效率,对于它的实际应用显得十分必要。通过查阅相关的资料获知,遗传算法易早熟和局部搜索能力弱的问题是全局搜索和局部搜索这对矛盾所导致的,而捕食搜索策略能够很好地平衡这对矛盾。但是捕食搜索策略只是一种策略,并没有具体的搜索方法,因此,本文利用捕食搜索策略的思想对遗传算法进行改进研究。在全局搜索中,提出一种基于信息熵的遗传策略,即利用当前实际种群熵与当前期望的种群熵的差值来自适应地改变选择压力、交叉概率和变异概率,以达到调整种群的多样性、改善早熟现象的目的;在局部搜索中,采用缩小算术交叉参数的范围和高斯变异的策略,以达到提高局部搜索能力的目的。为了更好地测试改进后的算法,本文选用了四个具有不同数学特征的复杂函数。通过对这四个函数的测试,结果表明该方法不仅可以避免早熟现象,而且在搜索质量及搜索效率方面都有所提高。然后,将采用捕食搜索策略的遗传算法(PSGA)运用到支持向量机(SVM)参数的选取中,将SVM的三个参数(宽度系数σ,不敏感系数ε,惩罚系数C )作为编码变量,以实际运用中的寻优对象为目标,进行PSGA寻优迭代。最后将PSGA运用到SVM对谷氨酸发酵过程建模中,仿真结果表明,该方法可以寻优到有效的SVM参数,使得建立的谷氨酸发酵过程模型具有较好的预测效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 遗传算法的发展历程
• 1.2 遗传算法的研究现状
• 1.2.1 遗传算法收敛理论
• 1.2.2 遗传算法的改进
• 1.3 遗传算法的特点
• 1.3.1 遗传算法与传统优化算法的不同点
• 1.3.2 遗传算法的缺点
• 1.4 遗传算法的应用
• 1.5 课题的背景及研究意义
• 1.6 本课题研究内容安排
• 第二章 采用捕食搜索策略的遗传算法研究
• 2.1 遗传算法分析
• 2.1.1 基本遗传算法的构成要素
• 2.1.2 遗传算法的基本流程
• 2.1.3 遗传算法的实现技术
• 2.2 捕食搜索策略的基本思想
• 2.3 采用捕食搜索策略的遗传算法的基本思想
• 2.4 采用捕食搜索策略的遗传算法设计
• 2.4.1 种群多样性的评价
• 2.4.2 遗传操作
• 2.4.3 交叉变异概率
• 2.5 采用捕食搜索策略的遗传算法流程
• 2.6 本章小结
• 第三章 PSGA 在函数优化中的应用
• 3.1 函数优化问题简介
• 3.2 测试函数
• 3.3 基于PSGA 的函数优化
• 3.3.1 PSGA 在函数优化应用中的流程
• 3.3.2 PSGA 参数的选取
• 3.3.3 算法有效性分析
• 3.4 本章小结
• 第四章 PSGA 在SVM 参数优化中的应用
• 4.1 支持向量机简介
• 4.1.1 支持向量机原理
• 4.1.2 支持向量机的优点
• 4.1.3 支持向量机的参数
• 4.2 运用PSGA 优化SVM 参数的流程设计
• 4.2.1 编码区间及目标函数的确定
• 4.2.2 算法流程图
• 4.3 基于PSGA-SVM 的谷氨酸发酵过程建模
• 4.3.1 谷氨酸发酵过程简介
• 4.3.2 建立谷氨酸发酵过程模型
• 4.3.3 仿真结果
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 论文总结
• 5.2 研究展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文