实数型PMBGA的实现与改进

苑泉乐

中国海洋大学

摘要：

概率模型遗传算法(PMBGA)是在遗传算法基础上发展起来的一类新算法,它将统计学的有关理论引入到遗传算法中,以群体的概率统计学习实现进化操作,利用个体的概率分布分析每一代群体的学习结果并作为新群体形成的依据,最终逼近于形成最优或近似最优个体的概率分布.该论文主要研究实数型概率模型遗传算法,在分析运行参数对算法计算质量和效率影响的基础上,获得提高算法搜索效率的方法,并且通过仿真实验进行比较验证.论文首先讨论了实数型PMBGA算法流程,分析了PMBGA与GA的不同,通过计算实例表明,在进化质量稳定性和收剑效率方面PMBGA都优于遗传算法.在算法的参数选择问题上,通过实际测试发现,种群规模,概率模型的调整规则,算法的停止条件,以及使用不同分布构造概率模型等参数会对算法性能带来不同程度的影响.种群规模小,方差学习率大都会导致算法不容易收敛,停止条件则对运行世代数有直接的影响.通过对实数型PMBGA运行参数的分析,发现在进化后期出现大量的相似个体同时方差下降缓慢,影响算法的收敛.因而设计了自适应的实数型PMBGA,随进化代数自适应地调整种群规模和方差学习率,提高了算法的收敛速度.为了准确地提取搜索空间有效的和潜在的信息,提出了概率模型的加权统计算法,在进化群体的统计评估过程中加入选择的优良个体适应度的影响因子.典型测试函数计算实验表明,应用加权统计的概率模型遗传算法可以有效地获得进化群体中的有用信息,普遍提高进化的收敛质量和效率.将改进的实数型PMBGA用于ⅡR滤波器设计的应用实例中,计算结果表明这种优化设计方法是有效的,其特点是通过构造优化准则作为算法的适应度函数,实现直接设计.

关键词：PMBGA;概率模型;自适应;加权统计;实数编码

授予单位：中国海洋大学

授予学位：硕士

学科专业：信号与信息处理

导师姓名：王国宇;秦平

学位年度：2004

语种：中文

分类号：TP301.6

页数：45

在线出版日期：2005-05-24（万方平台首次上网日期，不代表论文的发表时间）