论文部分内容阅读
进化算法是一类借鉴生物界自然选择和遗传机制的随机搜索算法,进化算法与传统优化方法的主要区别是群体搜索策略和群体中个体间的信息交换,该文研究了基于进化算法的数值优化问题,论文的主要工作及创新之处包括:1.对目前常用的实数编码交叉、变异算子的性能进行了分析,在种群进化的不同阶段,算子的作用有较大差别,求解的问题不同,算子的寻优能力也有较大差别,分析和仿真实验表明,混合使用多种算子可扩大算法的使用范围、降低算法对问题的敏感程度,提高算法的总体性能.2.研究了采用遗传算法进行多峰函数优化时适应值共享机制的引入对选择概率的影响.提出了一种二级遗传算法-禁忌搜索的混合策略,采用Micro GA进行细化搜索,提高解的精度,同时引入禁忌机制,防止搜索回溯到已经搜索过的区域,算法性能优于同类其他算法.3.对进化规划的变异算子进行了改进,对成功的变异进行适当步长延伸,当个体变异失败时,对变异量实施Gauss或Cauchy扰动,从而使精细化搜索和大范围搜索有机结合起来.对若干经典算例的仿真实验表明该算法的有效性.4.讨论了前向神经网络结构、权值的同时优化设计问题,将进化规划、BP算法、禁忌搜索相结合可设计出结构紧凑、泛化能力强的神经网络,将其应用于妇科肿瘤的辅助临床诊断,性能优于采用BP算法设计的神经网络.5.研究了自动化仓库货位优化配置的多目标遗传算法,提出了二维PMX交叉算子,使其适用于矩阵编码个体的交叉,得到的解能兼顾货架稳定性和存取效率,并可为用户提供多个候选优化解.6.对高维Rosenbrock函数的极小值点的分布情况进行了分析,提出了一种求解高维Rosenbrock函数(4≤n≤30)极小值点的近似算法.分析表明,当4≤n≤30时,Rosenbrock函数具有两个极小值点,对于正确使用这一函数具有指导意义.