基于混合策略的协同演化算法研究

论文摘要

协同演化算法是近年来计算智能研究的一个热点,它是在传统演化算法的基础上发展起来的,将单一种群推广到两个或多个种群,进而建立个体或种群之间的竞争、合作关系,使之适应复杂系统的动态演化环境,以达到种群优化的目标。本论文从协同演化理论和演化算法相结合的角度出发,结合函数优化、约束优化、多目标优化和聚类等问题进行了较为深入地研究。针对不同问题设计了不同的演化策略,提出了几种新的算法,主要创新性工作概括如下:1.基于博弈论提出了一种混合策略的协同演化算法MSCEP。MSCEP算法集成了Gaussian、Cauchy、L′evy和单点等变异策略,根据每一代变异策略的性能动态调整不同变异策略的概率分布,不同变异策略产生的不同子种群协同演化。标准函数的实验结果表明,该算法具有较好的适应性、稳定性及较强的全局搜索能力。2.针对约束优化问题,将MSCEP算法与SMES算法处理约束优化的方法相结合,可求解不等式(等式)约束优化问题,提出了一种求解约束优化问题的混合策略演化算法CMSEP。标准测试函数的实验表明了算法的有效性。3.针对多目标优化问题,提出了一种混合策略多目标优化算法MSPEP。将MSCEP算法与强度Pareto2算法相结合,可求解多目标优化问题,标准测试函数的实验表明了算法的有效性。4.针对聚类问题,提出了一种聚类有效性度量函数FWSVF,从而提高了聚类有效性函数的性能。将MSCEP算法与FCM算法相结合提出了一种混合策略演化聚类算法MSECA,实验结果表明该方法避免了局部极值问题,比其它几种聚类算法具有更好的性能。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 演化算法概述
• 1.1.1 演化算法的起源
• 1.1.2 演化算法的应用领域
• 1.1.3 演化算法的发展趋势
• 1.2 演化算法的原理与方法
• 1.3 选题的科学依据和意义
• 1.4 本文的工作
• 第二章 相关基础理论
• 2.1 生物学基础
• 2.1.1 进化论
• 2.1.2 协同进化论
• 2.2 博弈论基础
• 2.2.1 博弈论
• 2.2.2 纳什均衡
• 2.2.3 演化博弈论
• 2.3 协同演化算法研究现状
• 2.3.1 协同演化算法设计
• 2.3.2 协同演化的动力学分析
• 第三章 基于混合策略的协同演化算法
• 3.1 引言
• 3.2 混合策略协同演化规划的基本思想
• 3.2.1 概率分布函数的性能
• 3.2.2 混合策略协同演化规划框架
• 3.3 求解函数优化问题的MSCEP算法
• 3.4 实验结果和分析
• 3.4.1 实验结果
• 3.4.2 实验分析
• 3.5 小结
• 第四章 求解约束优化问题的混合策略演化算法
• 4.1 引言
• 4.2 求解约束优化问题的基本思想
• 4.2.1 约束优化问题
• 4.2.2 约束比较规则
• 4.3 求解约束优化问题的CMSEP算法
• 4.4 实验结果和分析
• 4.4.1 实验结果
• 4.4.2 结果分析
• 4.5 小结
• 第五章 求解多目标优化问题的混合策略演化算法
• 5.1 引言
• 5.2 相关工作
• 5.2.1 关键技术
• 5.2.2 研究现状
• 5.3 求解多目标优化问题的基本思想
• 5.3.1 多目标优化问题
• 5.3.2 强度Pareto优化的基本思想
• 5.4 混合策略的Pareto演化规划
• 5.5 实验结果和分析
• 5.5.1 测试函数
• 5.5.2 结果分析
• 第六章 基于混合策略的演化聚类算法
• 6.1 引言
• 6.2 模糊C均值聚类
• 6.2.1 模糊C均值聚类算法
• 6.2.2 模糊权和有效性函数
• 6.3 混合策略演化聚类算法
• 6.4 实验结果和分析
• 6.4.1 人工数据集和真实数据集
• 6.4.2 有效性指标实验分析
• 6.4.3 算法性能分析
• 6.4.4 参数选择
• 6.5 小结
• 第七章 总结与展望
• 参考文献
• 攻读博士期间发表和已录用的学术论文
• 致谢