欢迎来到人人文库网! | 帮助中心 人人文档renrendoc.com美如初恋!
人人文库网
全部分类
  • 图纸下载>
  • 教育资料>
  • 专业文献>
  • 应用文书>
  • 行业资料>
  • 生活休闲>
  • 办公材料>
  • 毕业设计>
  • ImageVerifierCode 换一换
    首页 人人文库网 > 资源分类 > DOC文档下载  

    外文翻译--一种新的改进遗传算法及其性能分析.doc

    • 资源ID:96815       资源大小:257.65KB        全文页数:11页
    • 资源格式: DOC        下载积分:5积分
    扫码快捷下载 游客一键下载
    会员登录下载
    微信登录下载
    三方登录下载: 微信开放平台登录 支付宝登录   QQ登录   微博登录  
    二维码
    微信扫一扫登录

    手机扫码下载

    请使用微信 或支付宝 扫码支付

    • 扫码支付后即可登录下载文档,同时代表您同意《人人文库网用户协议》

    • 扫码过程中请勿刷新、关闭本页面,否则会导致文档资源下载失败

    • 支付成功后,可再次使用当前微信或支付宝扫码免费下载本资源,无需再次付费

    账号:
    密码:
      忘记密码?
        
    友情提示
    2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。
    3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
    4、本站资源(1积分=1元)下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。
    5、试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。

    外文翻译--一种新的改进遗传算法及其性能分析.doc

    一种新的改进遗传算法及其性能分析摘要:虽然遗传算法以其全局搜索、并行计算、更好的健壮性以及在进化过程中不需要求导而著称,但是它仍然有一定的缺陷,比如收敛速度慢。本文根据几个基本定理,提出了一种使用变异染色体长度和交叉变异概率的改进遗传算法,它的主要思想是:在进化的开始阶段,我们使用短一些的变异染色体长度和高一些的交叉变异概率来解决,在全局最优解附近,使用长一些的变异染色体长度和低一些的交叉变异概率。最后,一些关键功能的测试表明,我们的解决方案可以显著提高遗传算法的收敛速度,其综合性能优于只保留最佳个体的遗传算法。关键字:编译染色体长度;变异概率;遗传算法;在线离线性能遗传算法是一种以自然界进化中的选择和繁殖机制为基础的自适应的搜索技术,它是由Holland1975年首先提出的。它以其全局搜索、并行计算、更好的健壮性以及在进化过程中不需要求导而著称。然而它也有一些缺点,如本地搜索不佳,过早收敛,以及收敛速度慢。近些年,这个问题被广泛地进行了研究。本文提出了一种使用变异染色体长度和交叉变异概率的改进遗传算法。一些关键功能的测试表明,我们的解决方案可以显著提高遗传算法的收敛速度,其综合性能优于只保留最佳个体的遗传算法。在第一部分,提出了我们的新算法。第二部分,通过几个优化例子,将该算法和只保留最佳个体的遗传算法进行了效率的比较。第三部分,就是所得出的结论。最后,相关定理的证明过程可见附录。1.算法的描述1.1一些定理在提出我们的算法之前,先给出一个一般性的定理(见附件),如下:我们假设有一个变量(多变量可以拆分成多个部分,每一部分是一个变量)xa,b,xR,二进制的染色体编码是1.定理1染色体的最小分辨率是s=定理2染色体的第i位的权重值是wi=(i=1,2,l)定理3单点交叉的染色体搜索步骤的数学期望Ec(x)是Ec(x)=Pc其中Pc是交叉概率定理4位变异的染色体搜索步骤的数学期望Em(x)是Em(x)=(b-a)Pm其中Pm是变异概率1.2算法机制在进化过程中,我们假设变量的值域是固定的,交叉的概率是一个常数,所以从定理1和定理3我们知道,较长的染色体长度有着较少的染色体搜索步骤和较高的分辨率;反之亦然。同时,交叉概率与搜索步骤成正比。由定理4,改变染色体的长度不影响变异的搜索步骤,而变异概率与搜索步骤也是成正比的。进化的开始阶段,较短染色体(可以是过短,否则它不利于种群多样性)和较高的交叉和变异概率会增加搜索步骤,这样可进行更大的域名搜索,避免陷入局部最优。而全局最优的附近,较长染色体和较低的交叉和变异概率会减少搜索的步骤,较长的染色体也提高了变异分辨率,避免在全局最优解附近徘徊,提高了算法收敛速度。最后,应当指出,染色体长度的改变不会使个体适应性改变,因此它不影响选择(轮盘赌选择)。1.3算法描述由于基本遗传算法没有在全局优化时收敛,而遗传算法保留了当前一代的最佳个体,我们的方法采用这项策略。在进化过程中,我们跟踪到当代个体平均适应度的累计值。它被写成:X(t)=(t)其中G是当前进化的一代,favg是个体的平均适应度。当累计平均适用性增加到最初个体平均适应度的k(k>1,kR)倍,我们将染色体长度变为其自身的m(m是一个正整数)倍,然后减小交叉和变异的概率,可以提高个体分辨率、减少搜索步骤以及提高算法收敛速度。算法的执行步骤如下:第一步:初始化群体,并计算个体平均适应度favg0,然后设置改变参数的标志flag。flag设为1.第二步:在所保留的当代的最佳个体,进行选择、再生、交叉和变异,并计算当代个体的累积平均适应度favg第三步:如果且flag=1,把染色体的长度增加至自身的m倍,减少交叉和变异概率,并设置flag等于0;否则继续进化。第四步:如果满足结束条件,停止;否则转自第二步。2.测试和分析我们采用以下两种方法来测试我们的方法,和只保留最佳个体的遗传算法进行比较:2.1收敛的分析在功能测试中,我们进行了以下政策:轮盘赌选择,单点交叉,位变异。种群的规模是60。L是染色体长度,Pc和Pm分别是交叉概率和变异概率。我们随机选择4个遗传算法所保留的最佳个体来与我们的方法进行比较,它们具有不同的固定染色体长度和交叉和变异的概率。表1给出了在100次测试的平均收敛代。在我们的方法中,我们采取的初始参数是l0=10,Pc0=0.3,Pm0=0.1和k=1.2,当满足改变参数的条件时,我们调整参数l=30,Pc=0.1,Pm=0.01。从表1中得知,我们的方法显著提高了遗传算法的收敛速度,正符合上述分析。表1功能测试结果方法我们的算法l=10Pc=0.1,Pm=0.1l=10Pc=0.1,Pm=0.1l=30Pc=0.1,Pm=0.1l=30Pc=0.1,Pm=0.1f1257152363579116264363f2198269734237445054332.2在线和离线性能的分析Dejong提出了遗传算法的定量评价方法,包括在线和离线性能评价。前者测试动态性能,而后者评估收敛性能。为了更好地分析测试功能的在线和离线性能,我们把个体的适应性乘以10,并f1和f2分别给出了4000和1000代的曲线:(a)在线(b)离线图1f1的在线与离线性能(a)在线(b)离线图2f2的在线与离线性能从图1和图2可以看出,我们方法的在线性能只比第四种情况差一点点,但比第二种、第三种、第五种好很多,这几种情况下的在线性能几乎完全相同。同时,我们方法的离线性能也比其他四种好很多。3.结论本文提出了一种使用变异染色体长度和交叉变异概率的改进遗传算法。一些关键功能的测试表明,我们的解决方案可以显著提高遗传算法的收敛速度,其综合性能优于只保留最佳个体的遗传算法。附件有了第一部分中假定的条件,定理1和定理2的验证是显而易见的。下面给出定理3和定理4的证明过程:定理3单点交叉的染色体搜索步骤的数学期望Ec(x)是Ec(x)=Pc其中Pc是交叉概率证明:如图A1所示,我们假设交叉发生在第k个基因位点,从k到l的父基因位点没有变化,基因位点1到k上的基因改变了。在交叉过程中,1到k基因位点上的基因改变的概率为0.5(“1”变化”0”或者”0”变为”1”),因此,交叉之后,基因位点上的染色体搜索步骤从1到k的数学期望是此外,每个位点的染色体发生交叉的概率是相等的,即Pc。交叉后,染色体搜索步骤的数学期望是

    注意事项

    本文(外文翻译--一种新的改进遗传算法及其性能分析.doc)为本站会员(上***)主动上传,人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知人人文库网(点击联系客服),我们立即给予删除!

    温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    网站客服QQ:2881952447     

    copyright@ 2020-2024  renrendoc.com 人人文库版权所有   联系电话:400-852-1180

    备案号:蜀ICP备2022000484号-2       经营许可证: 川B2-20220663       公网安备川公网安备: 51019002004831号

    本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知人人文库网,我们立即给予删除!