论文题目: 进化策略的变异算子与仿真平台研究
论文类型: 博士论文
论文专业: 控制理论与控制工程
作者: 王湘中
导师: 喻寿益
关键词: 进化策略,变异算子,变异步长,多种群,收敛判据
文献来源: 中南大学
发表年度: 2005
论文摘要: 论文研究进化策略中变异算子的改进。现有的变异算子都使用全基因变异,本文提出单基因变异,通过对变异成功概率、局部收敛速度、全局收敛性能、变异步长控制、计算开销、多种群技术系统地分析比较两种变异方式的优劣,建立基于递减型变异步长单基因变异算子的单种群和多种群进化策略,最后论述进化算法仿真试验平台的构建及其应用。 对进化策略及其变异算子的研究源于变异算子在进化计算中起主导作用的认识。通过对简单遗传算法的改进试验,对交叉算子作用机理的分析,证明了变异算子对交叉算子的局部和全局搜索功能的可替代性,变异算子在算法中起主导作用。 借鉴生物进化理论和基因突变思想的进化策略,其变异算子使用所有基因同时变异的全基因变异方式,本文提出了一次只随机选择其中一个基因发生变异的单基因变异方式。理论分析和仿真试验证明,对于多维优化问题,当变异步长较大时,单基因变异的成功概率大于全基因变异的成功概率,全基因变异存在进化停顿现象,而且计算开销较大,对于高维优化问题尤其突出。 理论分析证明使用Gauss分布的单基因变异算子时,保持成功概率为0.445可以获得最优的局部收敛速度,并提出相应的递减型变异步长控制策略。为了直观分析、比较进化算子的性能,提出了横向仿真技术,并用于单基因变异和全基因变异的局部收敛速度的比较研究。试验证明虽然当变异步长合适时,全基因变异算子的局部收敛速度大于单基因变异,但全基因变异算子要求变异步长较小并且范围很小,而单基因变异算子可以在变异步长较大、且在一个较大的范围内获得良好的局部收敛速度,说明单基因变异算子对变异步长具有良好的鲁棒性。通过两个反例说明Gauss分布递减型步长控制单基因变异算子全局搜索能力的不足,提出了Gauss分布递减型步长单基因变异与均匀分布变异相结合的改进进化策略(μ+λ十κ)-ES,通过一组100维典型测试函数的仿真试验,说明了(μ+λ十κ)-ES良好的局部和全局搜索能力、较少的计算开销。 为了增强(μ+λ十κ)-ES的全局搜索能力、在解多模态优化问题时
论文目录:
摘要
ABSTRACT
第一章 绪论
1．1 进化算法概述
1．2 进化算法基本框架
1．3 进化策略研究综述
1．3．1 ES的演变
1．3．2 基本ES描述
1．3．3 ES的改进研究
1．3．4 ES论研究进展
1．3．5 应用
1．3．6 现状与趋势
1．4 论文主要研究内容和结构
第二章 变异算子的主导作用
2．1 基本遗传算法
2．2 一种强化引导型的遗传算法
2．2．1 IEGA基本原理
2．2．2 算法描述
2．2．3 仿真计算
2．3 IEGA的进一步改进
2．4 交叉算子作用机理分析
2．4．1 一维时交叉算子的作用
2．4．2 高维时交叉算子的作用
2．4．3 交叉算子的可替代性
2．4．4 无交叉算子的IEGA-2与进化策略
2．5 小结
第三章 单基因变异进化策略
3．1 进化策略中的变异算子
3．1．1 变异算子设计的一般原则
3．1．2 实数搜索空间的变异算子
3．2 单基因变异与全基因变异
3．2．1 成功变异的概率分析
3．2．2 局部搜索能力仿真分析
3．3 关于变异方式的进一步探讨
3．3．1 计算开销比较
3．3．2 H．Bremermann的早期研究
3．3．3 进化策略的变异思想
3．3．4 有关仿真计算结果的评价
第四章 单基因变异ES的步长控制
4．1 变异步长控制概述
4．2 变异步长与局部搜索性能的关系
4．2．1 理论分析
4．2．2 横向仿真分析
4．3 全局收敛性分析
4．3．1 概率意义下的收敛性
4．3．2 反例1 变异步长减小导致早熟收敛
4．3．3 反例2 单基因变异导致早熟收敛
4．4 均匀变异算子的引入
4．5 (μ+λ+κ)-ES
4．5．1 算法描述
4．5．2 仿真计算
4．6 小结
第五章 基于(μ+λ+κ)-Es的多种群技术
5．1 引言
5．2 多种群技术综述
5．2．1 多种群GA
5．2．2 多种群ES
5．2．3 多种群技术中有待解决的问题
5．3 多种群进化策略m×(μ+λ+κ)-ES
5．3．1 算法结构
5．3．2 算法参数的设置
5．3．3 子种群的消亡与再生
5．3．4 算法实现
5．3．5 仿真计算
5．4 小结
第六章 进化算法仿真平台的研究
6．1 平台现状
6．2 算法平台的构建
6．2．1 基本要求
6．2．2 程序设计
6．3 应用1——复杂机电传动控制系统参数的优化组合
6．3．1 系统结构与数学模型
6．3．2 适应值函数
6．3．3 计算过程与结果
6．4 应用2——足球机器人的最优控制
6．4．1 机器人运动方程
6．4．2 机器人轮速的动力学方程
6．4．3 最优控制的描述与实现
6．6 小结
第七章 总结、创新与展望
参考文献
附录1 作者在攻博期间发表的论文
附录2 作者在攻博期间参加的科研项目
致谢
发布时间: 2006-03-28
参考文献
- [1].进化策略学习、收敛和逃逸能力的研究及应用[D]. 阎岭.浙江大学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].单亲遗传算法理论及应用[D]. 李茂军.湖南大学2002
- [2].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
- [3].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
- [4].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
- [5].协同进化算法及其应用研究[D]. 刘静.西安电子科技大学2004
- [6].单目标、多目标最优化进化算法[D]. 刘海林.华南理工大学2002
- [7].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
- [8].遗传算法的模式理论及收敛理论[D]. 明亮.西安电子科技大学2006