一种双种群进化规划算法

大家好好利用

第!"卷!第#期!$$%年#月

计!!算!!机!!学!!报

&’()*+*,-./)01-2&-34.5*/+

6789!")79#

3:$$%;!

一种双种群进化规划算法

王向军!向!东!蒋!涛!林春生!龚沈光!方!兴

>%

>%

!%

!%

!%

>%&海军工程大学电气与信息工程学院

!%&海军工程大学兵器工程系<%&海军驻

<%

%<$$<<!武汉!L

%<$$<<!武汉!L

%?$"所军事代表室!武汉!L<$$?$

摘!要!在分析了导致进化规划算法早熟原因的基础上#提出了一种新的双群进化规划算法9在该算法中#进化在通过使用不同的变异策略#实现种群在解空间具有尽可能分散的探索能力的同时在两个不同的子群间并行进行#

局部具有尽可能细致的搜索能力9通过子群重组实现子群间的信息交换9对该算法性能进行的理论分析以及基于典型算例的数字仿真均证明该算法具有更好的性能9关键词!双群"进化规划"探索"搜索中图法分类号54>M

!"#$%&’(!)*#+$#&+.(#/0**#*044(/,-1233

>>!!

N0)OPA:E=,FE(0)OR7E,(0)O5:7()&SFE=+SGE!P!1QQ!Q

!<

O-)O+SGE=OF:E0)OPAEQ!2Q

>%&

%%%%

%%

%!"##$$"#$()*+(,#,-./-"*0,)+"-’-+-$$*+-1,2,#3-+2$*4+)-+-$$*+-678,-!L<$$<<%&’&%%#5"&’%%#

!%&

%9$,*)0$-)"$,"-*-+-$$*+-1,2,#3-+2$*4+)-+-$$*+-678,-!L<$$<<:&6:5’%%#5"&’%%#

<%&

%1,2,#;$*$4$-),)+2$,)1"<?$";$4$,*(8/-4)+)7)$#678,-!L<$$?$:

!56.*07.TG@:UFTGK7EHGTGEKGAJUSGV:U:8JS7TUK7@AEVUT:WAUA7E:8GH78FUA7E:TT7T:@=!4QQ7;IQ

#@AEX:JGW7EUSG:E:8JAJ7VTG@:UFTGK7EHGTGEKG7VUT:WAUA7E:8GH78FUA7E:TT7T:@@AE:Q9;IQ;IQQE7HG8XA=T7FH78FUA7E:TT7T:@@AEX*4%:87TAUS@AJIT77JGW9(EUSAJ:87TAUS@#GH7=QIQQI*;4QQ&

#8FUA7E7VUB7JFY=T7FJAJI:T:88G8IGTV7T@GWBAUSWAVVGTGEU@FU:UA7EJUT:UGAGJ:EWUSGEUSGQIQT7F:EGC87TGUSGJ78FUA7EJ:KGJG:T:UG8EWJG:TKSUSG87K:8:TUAEWGU:A8:88U7GUSGT9(E=QIKIII;:IQ

=V7T@:UA7EAJGCKS:EGWBSGEJFYT7FJ:TGTG7T:EAZGW94GTV7T@:EKG7VUSAJ:87TAUS@AJ:E:=QQIQQ8ZGWAEUSG7T9+A@F8:UA7EJY:JGW7EYGEKS@:T[JK7EVAT@US:UX*4:87TAUS@AJYGUUGTUS:EK8:J=;;Q

JAK:8GH78FUA7E:TT7T:@@AE87TAUS@AEUSG:JGKUJ7VQ87Y:87UA@AZ:UA7E#K7EHGTGEKG;IQQ:QIIQJGGW:EWUSGT7YFJUEGJJ9I

""8%9#*:6A=T7FGH78FUA7E:TT7T:@@AEGC87TGJG:TKS!YQI";IQQI1

解决实值连续函数全局优化$神经网络结构优化$模

;!引!言

进化计算借鉴生物界自然选择法则$遗传机制#利用选择$交叉$变异等操作模拟生物进化的过程以

>"<(

式识别与系统辨识等问题’进化规划&9*H78F=

#是进化计算中的代表算UA7E:TT7T:@@AE*4%;4QQ法之一#但大量的研究证明#由于过度选择$变异操作破坏有效模式$参数选取不当等原因#该算法存在

收稿日期!修改稿收到日期!王向军#男#博士#讲师#研究方向为进化计算$神经网络$电磁场理论9!$$<=>>=>!"!$$%=$!=!<9>"?<年生#!B向!东#*=@:A8CEFGA9JAE:9K7@9!HDI

万方数据

大家好好利用

M<%

计!!算!!机!!学!!报!$$%年

L"%"一些亟待克服的缺点!#$%进化容易出现过早收>?&M"

算法的性能!文献!提出了一种基于19?"\H;概

敛&从而陷入局部极值点&即早熟现象’$进化后!%期&个体之间的竞争趋缓导致算法后期的搜索效率降低’$%对初始参数敏感9本文针对传统进化规划算<法的弱点&提出了一种双群进化规划算法$XA=T7FQI&&种群按一定规*H78FUA7E:TT7T:@@AEX*4%;4QQ则划分为两个子群&其中一个子群使用振荡的高斯变异算子&以实现该子群中的个体能够尽可能分散地到达解空间的各个位置$即探索%&另一个以保证此子群中子群使用递减的高斯变异算子&

率分布的进化规划算法1在该算法中使用1*4&\H;变异代替变异&其核心思想是使用具有更大方差的变异算子来促使种群更快地收敛到函数的最优但使用大方差的变异算子将使种群逼近最优解9

解的速度变慢&精度降低9文献!提出了一种并M"行进化算法$&4:T:88G8*H78FUA7E:TT7T:@@AE;4QQ&在该算法中&多个种群同时使用高斯变异算4*4%子和柯西变异算子&其核心思想是同时利用高斯变异算子良好的局部搜索能力和柯西变异算子良的个体在每一个局部能够找到尽可能好的解$即

搜索%#9

两个子群间的信息通过种群的个体重组进行交换&这样就保证了整个种群既具有大范围的搜索能力&也具有局部寻优能力9理论分析以及对典型的进化算法算例的计算机仿真证明&此种算法具有良好的性能9

!-2算法

在传统*4算法中&参与进化的只有一个种群&因此在这个唯一的种群中的个体只能遵循唯一的规律进行进化$相同的高斯变异算子标准差!$%9较大的高斯变异算子可以保证种群具有较好的探索能力&

即能够以比较大的概率到达解空间的各个地方&种群$或者种群中的部分个体%能够以比较大的概率落在全局最优解所在的邻域&在每一个局部极值都具有很好的局部逃逸能力9但此种探索$局部逃逸%能力的取得是以降低解的精度为代价的&种群总是在全局最优解的附近跳转&无法使用足够小的变异来以足够高的精度逼近最优解9较小的高斯变异算子能够保证种群在局部具有良好的搜索能力&即能够以高的精度找到种群所在局部的极值&但小的变异算子不能$

或者需要很多的进化次数才能%产生足够大的变异从而使种群从这个局部进化到具有更大极值$或者全局最优解%的局部&从而早熟收敛9由于我们无法预知函数各个局部极值$包括全局最优解%的位置&也无法预知局部极值间的距离以及离全局最优解最近的局部极值与全局最优解间的距离&因此无法选取合适的!&使其既能大到足够使个体产生大的变异从局部极值点逃逸&又能小到使个体产生小的变异&在全局最优解附近以高的精度逼近最优解9

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说公务员考试一种双种群进化规划算法在线全文阅读。