收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

协同进化数值优化算法及其应用研究

慕彩红  
【摘要】: 协同进化是自然界的一种普遍现象。当两个或更多个种群之间的进化相互影响时,就出现了协同进化,它通常被用来解释种群间的相互适应现象。生物学研究表明协同进化对于生物进化是有益的。协同进化算法是将协同进化机制引入传统进化算法而产生的一类进化算法的衍生算法。近年来,使用协同进化算法求解优化问题已成为进化计算研究领域的一个重要方向。本文主要进行协同进化算法的研究,包括建立协同进化模型、设计协同进化算法和进行协同进化算法的应用研究。本文在归纳总结现有协同进化算法的基础上将协同进化算法进行分类,并对各类协同进化算法的研究进展进行了综述。之后,本文针对包括无约束优化、约束优化以及多目标优化在内的数值优化问题提出了新的协同进化模型以及若干新的算法和策略,并将这些新算法应用于通信信号的检测问题和以卫星模块布局设计为背景的带平衡约束的圆形布局问题。本文的主要工作可概括如下: (1)借鉴协同进化和精英策略的思想,提出了解决高维无约束数值优化问题的M-精英协同进化模型和M-精英协同进化算法(M-Elite Coevolutionary Algorithm,MECA)。MECA算法认为适应度较高的个体群(称为精英种群),在整个种群进化中起着主导作用。算法将整个种群划分为由M个精英组成的精英种群和由其余个体组成的普通种群这样两个子种群,依次以M个精英为核心(称为核心精英)来选择成员以组建M个团队。若选中的团队成员是其他精英,则该成员与核心精英利用所定义的协作操作来交换信息;若团队成员选自普通种群,则由核心精英对其进行引导操作。其中,协作操作和引导操作由若干不同类型的交叉或变异算子的组合所定义。理论分析证明,算法以概率1收敛于全局最优解。对15个标准测试函数的测试结果显示,该算法对其中几乎所有测试函数都能够找到最优解或好的次优解。与两种经典的传统进化算法以及三种其他协同进化算法相比,在适应度函数评价次数相同时,该算法所求解的精度更高。同时,该算法的寻优时间较短,甚至略短于同等设置下的标准遗传算法。此外,对参数的实验分析结果显示,该算法对参数不敏感,易于使用。 (2)改进M-精英协同进化算法并将其扩展应用于约束优化问题。以M-精英协同进化模型为基础,引入正交交叉算子,并使用静态罚函数法处理约束,研究了M-精英协同进化算法在约束优化问题中的应用。利用13个约束优化测试函数对算法进行了测试,仿真实验和参数分析结果表明该算法寻优精度高,寻优时间少,算法稳定,其性能优于一些经典的约束优化进化算法,也优于所对比的协同进化算法,能够有效解决复杂的约束优化问题。 (3)在M-精英协同进化的框架下引入非支配近邻选择机制,提出了非支配近邻协同进化多目标优化算法(Nondominated Neighbor Coevolutionary Algorithm,NNCA)。将非支配种群根据拥挤距离的大小分为精英种群和普通种群,其中精英种群由nE个具有较大拥挤距离值的非支配个体组成。其所处区域个体分布越稀疏的精英个体,越有机会选择更多成员来组建团队,从而实现对其所在区域的更加充分的搜索。为避免当非支配个体过少时算法陷入因非支配近邻选择机制引起的“搜索停滞”状态,NNCA采用精英规模保障机制,即当精英种群实际规模达不到nE时,从由被支配个体构成的备选种群中随机选择若干个备选个体迁移至精英种群中,使精英种群规模达到nE,从而避免算法在当前非支配个体过少时仅围绕有限的几个非支配个体进行搜索以至陷入“搜索停滞”状态。协同进化机制、非支配近邻选择机制和强调精英种群作用的思想相结合,使得算法具有较好的搜索能力和较强的收敛性。关于13个多目标优化测试问题的实验分析结果表明,与NSGA-II、SPEA2以及NNIA等优秀多目标优化进化算法相比,NNCA得到的Pareto最优解在逼近性和宽广性方面具有比较明显的优势,而均匀性也仅次于SPEA2,优于NSGA-II和NNIA。 (4)为解决垂直分层空时系统中的最大似然(Maximum-Likelihood,ML)检测算法复杂度过高的问题,并针对通信系统对实时性要求较高的特点,设计了一种复杂度较低且性能优良的算法,即M-精英进化算法(M-elite Evolutionary Algorithm,MEA),并将其应用于垂直分层空时系统的信号检测,来逼近ML检测算法的性能。通过一个经典背包问题的仿真验证了MEA求解组合优化问题的有效性,实际的通信系统仿真表明基于MEA的检测算法的性能优于一些经典的检测算法,也优于基于标准遗传算法及克隆选择算法的检测算法,能够较好地逼近ML检测算法的性能。 (5)将M-精英协同进化算法扩展应用于求解带平衡约束的圆形Packing问题,该问题以卫星模块布局设计为背景,属于NP难问题。通过使用静态罚函数方法将约束Packing问题转化为无约束优化问题来求解。首先利用Welded Beam Design、Spring Design、Speed Reducer Design和Three-Bar Truss Design这4个工程设计优化问题验证了MECA解决实际工程问题的能力,之后对3个带平衡约束的圆形Packing问题的典型算例进行了测试,结果显示M-精英协同进化算法以较少的时间代价获得了质量较高的布局结果,能够解决复杂的约束Packing问题。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 毛荐其,俞国方;技术创新进化研究综述[J];科研管理;2005年05期
2 姜毅;乐庆玲;;基于决策树的协同进化分类算法研究[J];电脑知识与技术(学术交流);2007年13期
3 郭斯羽;孔亚广;鲍美华;;一个存在物种竞争与进化的人工生态系统[J];系统仿真学报;2009年18期
4 杨城;谢志龙;;复杂适应系统的多层级建模研究[J];计算机工程;2009年22期
5 代洪涛;王小平;;基于协同进化PSO的分类器学习算法[J];计算机应用与软件;2006年03期
6 孙晓燕;王煦法;巩敦卫;;分布协同交互式遗传算法及其在群体决策中的应用[J];信息与控制;2007年05期
7 刘升;王行愚;游晓明;;基于免疫计算的Multi-agent系统设计方法[J];计算机工程;2007年22期
8 李昌兵;胡华;吴建;曹长修;;基于协同进化蚁群算法的多播QoS路由算法[J];计算机工程与应用;2008年24期
9 黄庆成;罗荣华;;一种多移动机器人主动协同定位方法的研究[J];电子学报;2010年11期
10 邬开俊;鲁怀伟;;基于协同粒子群优化算法的输电网络扩展规划[J];计算机应用研究;2011年03期
11 张新征,曹先彬;用Coop&compEA解决三维装箱问题[J];计算机工程与应用;2005年15期
12 陶振武;肖人彬;;协同进化蚁群算法及其在多目标优化中的应用[J];模式识别与人工智能;2005年05期
13 申晓宁;胡维礼;;一种多目标优化合作型协同进化算法[J];计算机仿真;2007年02期
14 徐哲;;计算机技术发展过程中的创造与选择[J];硅谷;2010年08期
15 汪勇;丁凡;吴志华;;协同进化遗传算法求解带时间窗的车辆路径问题[J];统计与决策;2010年10期
16 陈峰;武小悦;;带局部交互的多星TT&C调度合作协同进化[J];计算机工程;2011年06期
17 申雨轩;邵克勇;李飞;张新刚;谢维志;易江;;变区域多种群遗传算法[J];科学技术与工程;2011年15期
18 万芳;黄强;原文林;邱林;;基于协同进化遗传算法的水库群供水优化调度研究[J];西安理工大学学报;2011年02期
19 王本年,高阳,谢俊元,陈世福;基于生态种群捕获竞争模型的进化遗传算法[J];计算机应用与软件;2005年07期
20 宋丽娜,何丕廉,刘德建;基于多种群协同进化计算的创新概念设计[J];计算机辅助工程;2005年03期
中国重要会议论文全文数据库 前10条
1 李冬雪;丁雨龙;;地衣共生菌、藻协同进化的初步研究[A];第七届全国系统与进化植物学青年学术研讨会论文摘要集[C];2002年
2 张知彬;肖治术;李宏俊;路纪琪;程瑾瑞;;动物与植物种子的相互关系[A];生态学与全面·协调·可持续发展——中国生态学会第七届全国会员代表大会论文摘要荟萃[C];2004年
3 公丕昌;全慧;王丽;贺超英;;水稻EJC核心Mago-Y14的功能鉴定和协同进化分析[A];2011年全国系统与进化植物学暨第十届青年学术研讨会论文集[C];2011年
4 李绍文;;昆虫和植物传粉[A];昆虫与环境——中国昆虫学会2001年学术年会论文集[C];2001年
5 蔡鸿娇;侯有明;;植物与植食性昆虫的协同进化[A];食品安全的理论与实践——福建省科协第四届学术年会“食品安全与农民增收”分会场暨福建省农学会第五届青年学术年会论文集[C];2004年
6 梁世翔;吴超仲;;园区物流企业协同的生态模型[A];坚持科学发展观 推进自主创新 促进国家创新型城市建设——武汉市第二届学术年会论文集[C];2006年
7 夏明;周磊山;房霄虹;周艳芳;周妍;;网络协同列车运行调整的蚁群算法研究[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
8 钦俊德;王琛柱;;论昆虫与植物的相互作用和进化的关系[A];全国生物进化理论研讨会论文与论文摘要集[C];2000年
9 李太武;苏秀榕;刘慧慧;邢沈阳;;鲍的分子分类系统的研究[A];浙江省生物化学与分子生物学学术交流会论文集[C];2005年
10 周盛强;向锦武;;进化合作博弈在飞机总体优化中的应用[A];第二届中国航空学会青年科技论坛文集[C];2006年
中国博士学位论文全文数据库 前10条
1 慕彩红;协同进化数值优化算法及其应用研究[D];西安电子科技大学;2010年
2 李冬雪;硬序重寄生(Phacellaria rigidula Benth.)及其寄主协同进化的初步研究[D];南京林业大学;2004年
3 陈琪锋;飞行器分布式协同进化多学科设计优化方法研究[D];中国人民解放军国防科学技术大学;2003年
4 邓武;基于协同进化的混合智能优化算法及其应用研究[D];大连海事大学;2012年
5 陈羽;应对未料灾变的实存装备局部再设计方法[D];大连理工大学;2011年
6 邱世明;复杂适应系统协同理论、方法与应用研究[D];天津大学;2003年
7 李艳华;产业技术跨越的理论与实证研究[D];天津大学;2007年
8 刘建成;模糊模型的智能学习方法与应用研究[D];中南大学;2005年
9 李伟;基于免疫机理的可重构诊断系统研究[D];重庆大学;2005年
10 宁哲;我国森林生态与林业产业耦合研究[D];东北林业大学;2007年
中国硕士学位论文全文数据库 前10条
1 陈雯;模糊环境下基于协同进化的柔性车间调度方法研究[D];武汉理工大学;2010年
2 武锁庆;人地协同进化与区域可持续发展[D];成都理工学院;2001年
3 周飞;协同进化计算及其在多智能体中的应用[D];南京邮电大学;2013年
4 黄晓太;血清应答因子(SRF)的协同进化研究[D];西北农林科技大学;2011年
5 任腾;基于协同进化理论的物联网产业公共政策研究[D];湖南大学;2012年
6 蔡晓均;基于组织协同进化的Web日志挖掘[D];西安电子科技大学;2005年
7 吕俊杰;产业集群的生态共生机制研究[D];河北工业大学;2007年
8 臧文科;多种群协同进化及其在创新概念设计中的应用[D];山东师范大学;2005年
9 李炜;基于博弈论的商业生态系统发展研究[D];西安电子科技大学;2008年
10 李萌;生态学观照下的中国媒介产业[D];华中科技大学;2005年
中国重要报纸全文数据库 前10条
1 本报记者 伍平;协同进化经典理论或被推翻[N];云南科技报;2009年
2 吴单华 何莹;应对城市化挑战 寻求可持续方向[N];建筑时报;2007年
3 实习记者 闫松;群体突破协同进化时代将来临[N];大众科技报;2007年
4 奇 云;蜂鸟与鲜花协同进化和谐共存[N];大众科技报;2005年
5 徐艳梅 司高飞;生态学对企业的启发[N];中国企业报;2005年
6 王胜男;人与病毒注定要协同进化[N];中国绿色时报;2005年
7 电脑商报记者 彭敏;红旗IVI:追求协同进化[N];电脑商报;2011年
8 张军;基于ISSR、AFLP和DNA序列的五倍子蚜与第一寄主植物之间的协同进化 获2006年国家自然科学基金研究计划项目—面上项目[N];科技日报;2007年
9 评测实验室 吴挺;抢跑快车道[N];计算机世界;2003年
10 高中梅;感受人与自然的和谐之美[N];中国教育报;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978