论文部分内容阅读
自然界和人类社会是一个不断演化的复杂系统。自然界中复杂的生物演化过程与机理启发人们提出了诸多智能优化算法(IntelligentOptimization Algorithms,IOA),如进化算法(Evolutionary Algorithms,EA)、模拟退火算法(Simulated Annealing,SA)、禁忌搜索算法(TabuSearch,TS)、蚁群算法(Ant Colony Optimization,ACO)、粒子群算法(Particle Swarm Optimization,PSO)等,已在许多科学研究与工程领域中得到应用。达尔文的另一研究——自然界中的迁移现象,特别是人类社会中复杂的迁移活动,构成了生物进化的另一基本方向。迁移不仅体现在宏观个体的移动上,而且在微观的演化中也存在着迁移过程。自然界和人类社会中的个体(或群体),不断地迁移和适应复杂的未知环境,逐步寻找到最佳的生存空间。本文试图将这种生存迁移规律抽象为一种算法,提出了一种新的生存迁移算法(Living Migration Algorithm,LMA),进一步丰富了智能优化算法的功能。为了进一步研究LMA处理复杂系统的能力,还将LMA应用到基因调控网络重构的研究中。本文主要研究内容及创新点包括:1、基于达尔文生物迁移理论,将模拟自然界和模拟人类社会相结合,根据生物的生存规律,首次提出了一种新的自适应概率优化算法——生存迁移算法(LMA)。指出了LMA的生物学背景,阐述了该算法的机理、基本结构和实现过程。2、在LMA的基础上,给出了一种新的生存迁移计算(LivingMigration Computing,LMC),便于LMA能较好地应用。文中给出了LMC的基本结构及实现过程。3、给出了LMA的形式化随机过程描述,以公理化模型证明了各操作算子为选择和繁殖算子,指出LMA是一种智能优化算法。依据算法收敛性定义,分析并证明了LMA依概率收敛于全局最优值,并给出了LMA的收敛速度估计和计算时间复杂度分析。4、进行了LMA的仿真实验,比较分析了LMA的搜索性能。四类经典的优化问题可从收敛速度、全局最优值搜索能力、局部精细搜索能力、稳定性和处理噪音的能力方面检测算法的性能,实验结果表明LMA具有较快的收敛速度和全局优化能力,较好的稳定性,能处理含有噪音的优化问题。5、提出了一种新的基因调控网络重构体系结构,利用LMA重构了老鼠中枢神经系统(Rat Central Nervous System,Rat CNS),依据基因调控网络评价标准给出了重构结果分析。