网站首页  词典首页

请输入您要查询的论文:

 

标题 自适应邻居结构元胞遗传算法
范文 祝勤友++许峰



摘要摘要:为了达到元胞遗传算法全局搜索和局部寻优间的平衡,提出一种确定选择压力的自适应方法,其基本思想是:首先根据优秀个体与个体总数之比动态设定邻居结构半径,然后由邻居结构半径和种群网格半径计算出比率,从而确定种群在不同阶段的选择压力。数值实验表明,这种方法可以兼顾算法的全局搜索和局部寻优能力,获得质量较高的解。
关键词关键词:元胞遗传算法;邻居结构;比率;选择压力;自适应
DOIDOI:10.11907/rjdk.151813
中图分类号:TP312
文献标识码:A文章编号文章编号:16727800(2015)011003904
基金项目基金项目:安徽省教育厅自然科学基金项目(2014KB236)
作者简介作者简介:祝勤友(1991-),男,安徽六安人,安徽理工大学理学院硕士研究生,研究方向为进化算法;许峰(1963—),男,安徽淮南人,安徽理工大学理学院教授、硕士生导师,研究方向为优化算法、数值计算。
0引言
20世纪80年代初,著名物理学家Wolfram开始研究元胞自动机,他先后研究了一系列的一维和二维元胞自动机,提出了著名的Wolfram规则。在此基础上,Wolfram在2002年出版了专著A New of Science。1987年,Robertson提出世界上第一个元胞遗传算法的模型,该算法运行在CMI计算机上。此模型的所有遗传操作(父代个体的选择、替换、交叉和变异操作)都是并行执行的。一年后,Muhienbein等发表了一篇利用运行在大规模并行机器上的元胞遗传算法求解TSP问题的文章,该算法添加一个局部搜索改善由交叉和变异算子产生的解。因此,该算法被认为是第一个混合元胞遗传算法。此后,又出现了一些元胞遗传算法,主要有pollination plants,parallel individual[5],diffusion[6],fine grained[7],massively parallelm[8]等模型。
鉴于元胞遗传算法对搜索空间能够带来全局搜索和局部寻优的良好平衡,具有优越的解决复杂问题的能力,许多学者将其用于解决实际工程问题,主要应用领域有:神经网络训练、电子信息、机械设计制造、调度决策问题数学优化、交通控制、3D动画设计、图像处理、经济学、生物学等。
本文对元胞遗传算法中的选择压力进行了研究,提出一种基于自适应邻居结构的元胞遗传算法,并根据数值实验对该算法进行了性能分析。
1元胞遗传算法与邻居结构
1.1元胞遗传算法
元胞遗传算法(Cellular Genetic Algorithms,CGA)是一种将遗传算法和元胞自动机原理相结合的进化算法。CGA不仅继承了遗传算法的优良品质,而且拥有元胞自动机的部分特性。在CGA中,元胞模型以个体为出发点,进化个体分布在一个空间网格中,个体的遗传操作限制在相邻个体之间进行。算法借助元胞自动机中拓扑结构和邻居等机制,使种群个体形成小生境,并带来一种隐形的个体迁移机制,使最优解能在种群中缓慢扩散。这种机制使种群多样性保持更久,为算法带来全局搜索和局部寻优之间的良好平衡。
基本遗传算法使用选择算子、交叉算子和变异算子模拟生物进化的过程,而CGA则使用元胞自动机的演化规则取代遗传算法中基因之间进行的交叉机制。对于整个元胞空间来说,不再是对某两个染色体之间进行交叉操作,而是以一个元胞为中心与其相邻的元胞进行一系列演化操作。
CGA算法流程如图1所示。
1.2邻居与邻居结构
元胞自动机由元胞、元胞空间、邻居和规则这4个最基本的部分组成。下面简要介绍邻居与邻居结构。元胞及元胞空间只表示系统的静态成分,为了加入动态元素,就必须加入演化规则,而在制定规则之前必须定义邻居结构。通常以半径来确定邻居,距离一个元胞半径内的所有元胞均被认为该元胞的邻居。在网格中每个个体都拥有一个邻居结构,且与其邻近个体邻居相互重叠,种群中所有个体的邻居结构有相同的尺寸和形状。图2为元胞遗传算法中3种常见的邻居结构。
2基于自适应邻居结构的元胞遗传算法
2.1压力选择
评判优化算法优劣的一个指标是算法的全局搜索能力和局部寻优能力的平衡,而选择压力就是反映这种平衡的一种指标。选择压力可以理解为个体在整个种群中的生存能力。选择压力高,则仅优秀的个体能存活下来,且迅速繁殖并占领整个种群,易导致算法过早陷入局部最优解;选择压力低,则优秀的个体很容易被破坏,繁殖几率降低,导致算法搜索时间加长,收敛速度太慢。为了避免算法收敛太慢或陷入局部收敛,保持算法全局搜索能力和局部寻优能力的平衡,如何确定选择压力一直是CGA中的研究热点之一。
目前,最常用的两种研究选择压力的方法为计算占据时间和绘制选择压力曲线[9]。选择压力曲线的建模方法通常有De Jong的Logistic模型、Sprave的超图模型、Giacobini的确定性模型和Dorronsoro的概率模型。
影响压力选择主要有3大因素:邻居结构半径和种群半径的比率、元胞更新策略以及选择算子。本文仅研究比率对选择压力的影响。
4结语
本文针对确定选择压力CGA的缺陷,提出一种根据优秀个体数量选择适当邻居结构的方法,从而实现在不同时期自适应地确定选择压力。数值实验结果表明,采用自适应选择压力的CGA可在一定程度上提高算法的全局搜索和局部寻优平衡能力。
需要指出的是,由于遗传算法、元胞遗传算法的理论基础还很薄弱,本文对改进算法的性能研究只是根据对测试问题的对比实验,在一定程度上影响了结论的普适性。此外,本文仅研究了邻居结构对选择压力的影响,元胞更新策略和选择算子对选择压力的影响有待进一步研究。
参考文献参考文献:
[1]WOLFRAM S.A new kind of science[M].Champsign:Wolfram Media,2002.
[2]ROBERTSON G.Parallel implementation of genetic algorithms in a classifier system[C].Proceedings of the Second International Conference on Genetic Algorithms,New Jersey,1987:140147.
[3]MUHLENBEIN H,GORGES SCHLEUTR M,KRAMER O.Evolution algorithms in combinatorial optimization[J].Parallel Computing,1988(7):6588.
[4]GOLDBERG D E.Genetic algorithms in search,optimization and machine learning[M].Reading:AddisonWesley,1989.
[5]HOFFNEISTER F.Applied parallel and distributed optimization[M].Heidelberg:SpringerVerlag,1991.
[6]BACKT,FOGEL D B,MICHALEWICZ Z.Handbook of evolutionary computation[M].London:Oxford university press,1997.
[7]MANDERICK B,SPIESSENS P.Finegrained parallel genetic algorithms[C].Proceedings of the Third International Conference on Genetic Algorithms,Richmond,1989:428433.
[8]HILIS D.Coevolving parasites improve simulated evolution ad an optimizing procedure[J].Physical D,1990,42:228234.
[9]张屹,张虎.元胞遗传算法及其应用[M].北京:科学出版社,2014.
[10]ALBA E,DORRONSORO B,LUNA F.A cellular multiobjective genetic altorithm for optimal broadcasting strategy in metrolitan MANETs[J].Computer Communications,2007,30(4):685697.
[11]鲁宇明,陈殊,黎明,冯亮.自适应调整选择压力的灾变元胞遗传算法[J].系统仿真学报,2013,25(3):436444.
[12]张屹,刘铮,卢超.一种基于邻居自适应的多目标元胞遗传算法[J].计算机应用研究,2014,31(8):23112314.
[13]周金革,杨国清,李雪岩,叶珊珊.基于自适应元胞遗传算法的房地产信托投资基金价格研究[J].广东商学院学报,2011,6:3238.
[14]李雪岩,孙有发,刘彩燕.自适应元胞遗传算法与股票价格行为分析[J].五邑大学学报,2011,25(4):5765.
[15]李雪岩,李学伟,李雪梅.自适应元胞遗传算法与股票市场逐利行为[J].系统管理学报,2013,22(6):777782.
[16]杨新春,许峰.改进的K均值聚类排挤小生境遗传算法[J].软件导刊,2009,8(6):5457.
责任编辑(责任编辑:陈福时)
随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/3/21 20:20:55