国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx

基于高斯函數(shù)和自適應(yīng)精英策略的遺傳算法

2022-06-29 09:48:12李清霞
關(guān)鍵詞:適應(yīng)度精英基準(zhǔn)

李清霞

(東莞城市學(xué)院 計(jì)算機(jī)與信息學(xué)院,廣東東莞 523419)

遺傳算法(Genetic algorithms,簡(jiǎn)稱GA)是由Holland等人提出的[1],20世紀(jì)六七十年代最流行、應(yīng)用最廣泛的算法。它的靈感來(lái)源于達(dá)爾文的自然選擇理論[2]。遺傳算法是一種基于群體的,依賴于偶然搜索的優(yōu)化方法。在遺傳算法中,群體由一組稱為染色體的n個(gè)個(gè)體組成,主要包括兩種表示方式:1)基因型(二進(jìn)制表示)或2)表型(實(shí)數(shù)表示)。由于遺傳算法的參數(shù)簡(jiǎn)單,所以在解決優(yōu)化問(wèn)題具有較強(qiáng)的優(yōu)勢(shì)。然而,根據(jù)“沒(méi)有免費(fèi)的午餐”定理[3],在解決不同的優(yōu)化問(wèn)題時(shí),甚至在進(jìn)化的不同階段,任何算法都沒(méi)有適合所有情況的特定參數(shù)設(shè)置或策略。因此,有大量的研究工作者致力于基于現(xiàn)有的遺傳算法設(shè)計(jì)出新的變異和交叉操作算子,或者通過(guò)調(diào)整參數(shù)的方法來(lái)提高算法的魯棒性和準(zhǔn)確性。其中,大多數(shù)研究者提出的遺傳算法變種旨在開(kāi)發(fā)適應(yīng)性或自適應(yīng)性改進(jìn)操作算子或控制參數(shù)設(shè)置方式來(lái)改進(jìn)遺傳算法性能[4-7]。

Srinivas等[8]首次提出了改進(jìn)的自適應(yīng)性遺傳算法,該算法采用自適應(yīng)性交叉和變異概率改進(jìn)操作算子以實(shí)現(xiàn)種群的多樣性,提高算法收斂速度。王儲(chǔ)等[4]提出了一種基于精英策略的多種群自適應(yīng)遺傳算法,該算法通過(guò)融入一種混合精英策略,提高算法的收斂性能,精英選擇算子選擇當(dāng)前種群的最優(yōu)解并進(jìn)行精英備份,不斷迭代選出最優(yōu)解。徐逸帆等[9]針對(duì)傳統(tǒng)遺傳算法具有收斂速度慢、易陷入局部最優(yōu)解的問(wèn)題,分析種群個(gè)體特別是精英個(gè)體的特征,使用最小一乘法重新定義適應(yīng)度函數(shù),提出了基于精英保留策略的遺傳算法。袁帥鵬等[10]提出了一種基于自適應(yīng)網(wǎng)格法的擇優(yōu)策略來(lái)改進(jìn)帶精英策略的快速非支配排序遺傳算法,有效克服了使用傳統(tǒng)Pareto支配法擇優(yōu)策略在解決離散問(wèn)題時(shí)容易丟失有用信息的缺陷。郭軍[11]指出帶精英策略的非支配排序遺傳算法是目前最流行的多目標(biāo)優(yōu)化算法之一,具有較高的求解效率,可在一次運(yùn)行過(guò)程中得出多個(gè)高質(zhì)量的解,成為了其它多目標(biāo)優(yōu)化算法進(jìn)行性能對(duì)比的基準(zhǔn)算法。王磊等[12]等通過(guò)分析簡(jiǎn)單遺傳算法中精英個(gè)體的特征,提出了一種應(yīng)用于功能驗(yàn)證的精英策略,該算法將本代優(yōu)秀個(gè)體和本代適應(yīng)度高的歷史優(yōu)秀個(gè)體視為精英個(gè)體,給予額外交叉機(jī)會(huì)。王福才等[13]提出了一種混合精英策略的元胞多目標(biāo)遺傳算法,該算法在分析元胞種群結(jié)構(gòu)的特點(diǎn)基礎(chǔ)上,融入一種混合精英策略,提高了算法的收斂性能。趙鑫寧等[14]提出了一種基于高斯分布和柯西分布的概率選擇算子,該算法在執(zhí)行選擇操作時(shí),分別根據(jù)當(dāng)前種群生成高斯和柯西分布,通過(guò)對(duì)分布采樣獲得參加遺傳操作的個(gè)體,從而保證了種群多樣性,避免早熟收斂。

在遺傳算法中,當(dāng)子代不能代替當(dāng)前個(gè)體進(jìn)行多次迭代時(shí),就會(huì)出現(xiàn)停滯現(xiàn)象,面對(duì)停滯現(xiàn)象,很多改進(jìn)的遺傳算法就會(huì)顯得無(wú)能為力,這也意味著現(xiàn)有的改進(jìn)機(jī)制可能會(huì)出現(xiàn)暫時(shí)性的失效。一般地,停滯的主要原因可能是缺乏多樣性或陷入局部最優(yōu)。

為了解決種群進(jìn)化停滯問(wèn)題,筆者提出一種基于高斯函和自適應(yīng)精英策略的遺傳算法,該算法基于標(biāo)準(zhǔn)遺傳算法,采用精英種群選擇策略以引導(dǎo)停滯個(gè)體繼續(xù)進(jìn)化,在交叉操作算子中引入高斯函數(shù)以實(shí)現(xiàn)種群的多樣性。精英策略是指從動(dòng)態(tài)變化的精英群體中隨機(jī)抽取精英個(gè)體進(jìn)行生存選擇,高斯函數(shù)主要是采用高斯函數(shù)的正態(tài)分布交叉操作算子來(lái)實(shí)現(xiàn)種群的多樣性。整個(gè)進(jìn)化過(guò)程由全局和局部參數(shù)控制,這些參數(shù)能夠適應(yīng)整個(gè)種群和個(gè)體自身的變化。為了證明本文算法的健壯性和有效性,將本文算法和傳統(tǒng)遺傳算法及其變種、其他改進(jìn)的進(jìn)化算法對(duì)于CEC 2014基準(zhǔn)函數(shù)和兩個(gè)實(shí)際優(yōu)化問(wèn)題進(jìn)行了實(shí)驗(yàn)測(cè)試,仿真結(jié)果表明,本文算法提高了遺傳算法的多樣性,具有更高的求解精度和更好的收斂性。

1 遺傳算法

遺傳算法是一種基于種群的算法,種群中的個(gè)體都被編碼為二進(jìn)制值的字符串或染色體,即0或1。每一個(gè)個(gè)體都代表了一個(gè)可能的解,并且可以用編碼表示解的許多特征,包括數(shù)值、結(jié)構(gòu)特征、備選解之間的選擇等等。遺傳算法通過(guò)種群的選擇、交叉和變異操作產(chǎn)生后代及子代替換,使種群朝著目標(biāo)函數(shù)定義的更好適應(yīng)度值的方向發(fā)展。

遺傳算法主要包括選擇、交叉和變異操作算子,分別定義如下:

選擇:定義哪些個(gè)體將把他們的遺傳信息傳遞給下一代,一般采用基于概率的選擇機(jī)制來(lái)決定群體中哪些個(gè)體被選擇。目前比較流行的三種選擇機(jī)制分別是:比例選擇、基于排名的選擇和錦標(biāo)賽選擇。

交叉:用來(lái)混合父代的遺傳信息,而不引入任何新的信息。交叉操作一般包括單點(diǎn)交叉、兩點(diǎn)交叉和均勻交叉。在單點(diǎn)交叉中,選擇染色體中的一個(gè)點(diǎn),交換它們的尾部。在兩點(diǎn)交叉中,選擇兩個(gè)點(diǎn),個(gè)體交換中間部分。在均勻交叉中,每一個(gè)比特都可以從一個(gè)父節(jié)點(diǎn)或另一個(gè)節(jié)點(diǎn)中選擇。

變異:對(duì)種群中個(gè)體的基因信息進(jìn)行變動(dòng),以增加算法的局部搜索能力。根據(jù)個(gè)體編碼方式,可以把變異操作分為實(shí)數(shù)變異和二進(jìn)制變異。一般來(lái)說(shuō),變異操作的基本步驟包括:1)對(duì)群中所有個(gè)體以事先設(shè)定的變異概率判斷是否進(jìn)行變異;2)對(duì)進(jìn)行變異的個(gè)體隨機(jī)選擇變異位進(jìn)行變異。

2 基于高斯函數(shù)和自適應(yīng)精英策略的遺傳算法

2.1 算法思想

基于高斯函數(shù)和自適應(yīng)精英策略的遺傳算法(ESG-GA)的主要思想是利用動(dòng)態(tài)變化的精英個(gè)體和基于高斯分布的交叉操作算子來(lái)更新停滯的個(gè)體,以平衡開(kāi)發(fā)和探索能力。

為了檢測(cè)進(jìn)化過(guò)程的狀態(tài),引入了一個(gè)全局控制參數(shù)GCP和個(gè)體狀態(tài)參數(shù)ISP,其中GCP用來(lái)控制種群的搜索空間,ISP用來(lái)統(tǒng)計(jì)個(gè)體在整個(gè)種群中的適應(yīng)度情況,這兩個(gè)定義為

(1)

(2)

其中,Tmax是最大的代數(shù),t表示當(dāng)前代數(shù)。GCP的值隨著迭代的進(jìn)行而減小。f(xi,t)是t代第i個(gè)個(gè)體目標(biāo)函數(shù)的值,fmax和fmin是當(dāng)前種群目標(biāo)函數(shù)的最大值和最小值。對(duì)于最小值優(yōu)化,ISP值越小就表示個(gè)體更優(yōu)。對(duì)于這兩個(gè)檢測(cè)參數(shù),GCP用于全局控制,ISP用于局部控制,同時(shí)GCP也直接決定了精英個(gè)體的規(guī)模。

在自適應(yīng)精英策略中,是從精英種群中隨機(jī)選擇一個(gè)精英個(gè)體,而不是從當(dāng)前種群中擇優(yōu)選擇個(gè)體。精英種群是由當(dāng)前種群中具有最佳適應(yīng)度值的個(gè)體組成的種群。精英種群的大小ENP根據(jù)全局控制參數(shù)GCP的變化而動(dòng)態(tài)地變化。

ENP=floor((GCP-1)*Tmax+NP),

(3)

其中NP是種群大小,floor函數(shù)用于保證ENP是整數(shù)。當(dāng)前的精英種群是根據(jù)適應(yīng)度值從當(dāng)前種群中選擇最優(yōu)秀的ENP個(gè)個(gè)體組成的。需要注意的是,每次使用當(dāng)前GCP值計(jì)算ENP值時(shí),精英種群都會(huì)被重建,因此精英種群能夠始終保持最新,也就不需要再保存歷史精英種群。隨著迭代次數(shù)的增加,ENP動(dòng)態(tài)減少,種群多樣性降低,搜索的重心將逐漸從全局探索轉(zhuǎn)移到局部開(kāi)發(fā),從而提高算法后期的搜索精度。還需注意的是,一個(gè)精英個(gè)體是從精英種群中隨機(jī)挑選出來(lái)的,而不是從精英種群中擇優(yōu)選擇的最優(yōu)個(gè)體,這樣做主要是為了減少貪婪,增加除了最優(yōu)個(gè)體之外發(fā)現(xiàn)有用信息的機(jī)會(huì)。

為了創(chuàng)建一個(gè)更多樣化的后代種群以提高遺傳算法的性能,在遺傳算法的迭代中,通過(guò)應(yīng)用一個(gè)基于高斯函數(shù)的正態(tài)分布交叉操作算子來(lái)實(shí)現(xiàn)種群的多樣性。

(4)

其中μ表示適應(yīng)度值,σ2表示變量。

σ2可由下式計(jì)算:

σ2=(GCP×(xi,t-ej,t))2,

(5)

其中xi,t表示第t代的個(gè)體,ej,t表示第t代精英種群中隨機(jī)選擇的個(gè)體。全局控制參數(shù)GCP可以保證搜索空間逐漸縮小,意味著進(jìn)化是朝向精英區(qū)域發(fā)展,這有助于提高收斂精度。

針對(duì)μ的計(jì)算,如果當(dāng)前個(gè)體優(yōu)于精英個(gè)體,則μ用當(dāng)前個(gè)體代替,否則μ用精英個(gè)體代替,定義如下:

(6)

ESG-GA算法在最初的進(jìn)化階段,搜索過(guò)程集中在對(duì)當(dāng)前個(gè)體的開(kāi)發(fā)上,隨著代數(shù)的增加,搜索的焦點(diǎn)轉(zhuǎn)移到精英個(gè)體上。當(dāng)前個(gè)體越好,它所占的權(quán)重就越大,因此ESG-GA算法可以有效地利用個(gè)體的信息。

ESG-GA算法的自適應(yīng)精英策略主要表現(xiàn)為:在進(jìn)化的早期階段,精英策略并沒(méi)有過(guò)多的干擾種群的選擇過(guò)程,當(dāng)種群個(gè)體開(kāi)始停滯不前時(shí),精英策略逐步占主導(dǎo)作用,給予個(gè)體進(jìn)化更多的引導(dǎo),使進(jìn)化朝著精英區(qū)域發(fā)展。因此ESG-GA算法比其他改進(jìn)的GA算法能夠發(fā)揮更好的收斂精度。

2.2 算法描述

根據(jù)算法思想,ESG-GA算法執(zhí)行過(guò)程的偽代碼如下。

輸入:初始種群初始化種群P(種群大小為NP);while t

采用式(6)計(jì)算個(gè)體狀態(tài)參數(shù)ISP;采用式(7)計(jì)算精英種群的大小ENP;按照適應(yīng)度值優(yōu)先級(jí)從種群個(gè)體中選擇出EPN個(gè)精英個(gè)體組成精英種群;for i=NP do 采用式(6)計(jì)算μ; 采用式(5)計(jì)算變量σ2; 采用式(4)執(zhí)行交叉操作產(chǎn)生高斯分布的個(gè)體; 執(zhí)行變異操作; 產(chǎn)生下一代種群;endend輸出:最優(yōu)種群

2.3 算法復(fù)雜度分析

由于ESG-GA算法主要是針對(duì)傳統(tǒng)遺傳算法的交叉算子進(jìn)行改進(jìn),并沒(méi)有增加迭代次數(shù),也沒(méi)有增加適應(yīng)度評(píng)估數(shù)量,因此ESG-GA算法的時(shí)間復(fù)雜度與傳統(tǒng)GA算法基本上一致。具體分析如下:

在算法中,對(duì)于外層循環(huán),最多執(zhí)行Tmax次,對(duì)于內(nèi)層循環(huán),需要執(zhí)行NP次。由于在兩個(gè)嵌套循環(huán)內(nèi)的其他操作都是順序執(zhí)行語(yǔ)句,所以ESG-GA算法時(shí)間復(fù)雜度為O(Tmax·NP)。

3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證ESG-GA算法的有效性,在軟件環(huán)境為MATLAB 2018b,硬件環(huán)境為8G內(nèi)存、64位Intel(R)I5 2.60GHz處理器上對(duì)該算法進(jìn)行了仿真實(shí)驗(yàn)。將ESG-GA算法與傳統(tǒng)遺傳算法及7種改進(jìn)進(jìn)化算法對(duì)于CEC 2014基準(zhǔn)函數(shù)和2個(gè)實(shí)際優(yōu)化問(wèn)題進(jìn)行比較實(shí)驗(yàn)。

對(duì)比實(shí)驗(yàn)中的8種進(jìn)化算法包括標(biāo)準(zhǔn)GA和3種具有競(jìng)爭(zhēng)力的GA變種算法(GCSGA[11],NRGA[15],GA-RTS[16])以及4種其他進(jìn)化算法(JADE-sort[17],M_PSO_MA[18],MABCM[19]和EIR-DE[20])。CEC 2014的30個(gè)基準(zhǔn)函數(shù)根據(jù)功能可分為4類:

1)f1-f3:?jiǎn)畏搴瘮?shù);

2)f4-f16:簡(jiǎn)單多峰函數(shù);

3)f17-f22:混合函數(shù);

4)f23-f30:合成函數(shù)。

實(shí)驗(yàn)中的實(shí)際優(yōu)化問(wèn)題為文獻(xiàn)[21]中常用于評(píng)價(jià)各種算法性能的兩個(gè)現(xiàn)實(shí)優(yōu)化問(wèn)題:調(diào)頻聲波參數(shù)估計(jì)(rf1)和擴(kuò)頻雷達(dá)多相碼設(shè)計(jì)(rf2)。所有問(wèn)題都經(jīng)過(guò)測(cè)試,最大評(píng)估次數(shù)設(shè)置為5×105。對(duì)于統(tǒng)一性,所有算法的種群大小都相同,即NP=100。一般情況下,設(shè)交叉概率為0.4,變異概率為0.005。對(duì)于基準(zhǔn)測(cè)試函數(shù),其維度分別等于50D和100D。當(dāng)最大評(píng)估次數(shù)用完或者到達(dá)最大的迭代代數(shù)時(shí),進(jìn)化過(guò)程將終止。每種算法運(yùn)行50次,得到誤差值的平均值和標(biāo)準(zhǔn)差用表格數(shù)據(jù)顯示。

3.1 基準(zhǔn)函數(shù)的仿真結(jié)果

表1記錄了標(biāo)準(zhǔn)GA、3種GA變體算法在50D基準(zhǔn)函數(shù)與ESG-GA算法的比較統(tǒng)計(jì)。對(duì)于每一種算法,適應(yīng)度值誤差較小的平均值以粗體顯示。

表1 GA及其變種算法與ESG-GA算法在50D基準(zhǔn)函數(shù)上的比較

從表1可以看出,ESG-GA算法只有在函數(shù)f3、f17處于劣勢(shì)(其中在函數(shù)f23中相等),在其他27個(gè)函數(shù)中均超越了其他4種算法。

由于篇幅限制,隨機(jī)地選擇了兩個(gè)50D基準(zhǔn)函數(shù)畫(huà)出了算法的收劍圖,如圖1和圖2所示,分別顯示了所有算法對(duì)于50D基準(zhǔn)函數(shù)f3和f20的收斂圖。從圖1和圖2明顯可以看出,ESG-GA算法的收斂速度和收斂精度明顯高于其他4種算法。

圖1 各算法對(duì)于50D基準(zhǔn)函數(shù)f1的收斂圖

圖2 各算法對(duì)于50D基準(zhǔn)函數(shù)f20的收斂圖

表2顯示了其他4種進(jìn)化算法在100D基準(zhǔn)函數(shù)與ESG-GA算法的比較統(tǒng)計(jì)。同樣,對(duì)于每一種算法,適應(yīng)度值誤差較小的平均值以粗體顯示。

從表2可以看出,ESG-GA算法在函數(shù)f8、f17、f23、f26和f28上分別與MABCM、JADE-sort和EIR-DE算法取得相等成績(jī),只有在函數(shù)f4、f12和f22上比MABCM、JADE-sort和EIR-DE算法稍處于劣勢(shì),但在其他23個(gè)基準(zhǔn)函數(shù)上,都超越了MABCM、JADE-sort和EIR-DE算法。另外,ESG-GA算法在所有基準(zhǔn)函數(shù)上都超越了M_PSO_MA算法。

表2 其他進(jìn)化算法與ESG-GA算法在100D基準(zhǔn)函數(shù)上的比較

圖3和圖4分別顯示了所有算法對(duì)于100D基準(zhǔn)函數(shù)f5和f30的收斂圖,從圖3和圖4明顯可以看出,與其他4種算法相比,ESG-GA算法雖然收斂精度相差不大,但收斂速度還是明顯占優(yōu)。

圖3 各算法對(duì)于100D基準(zhǔn)函數(shù)f5的收斂圖

圖4 各算法對(duì)于100D基準(zhǔn)函數(shù)f30的收斂圖

3.2 真實(shí)問(wèn)題的仿真結(jié)果

從表3總結(jié)的仿真結(jié)果可以看出,ESG-GA算法在處理第一個(gè)實(shí)際優(yōu)化問(wèn)題中,遠(yuǎn)超于其他進(jìn)化算法,具有顯著的優(yōu)勢(shì)。在處理第二個(gè)問(wèn)題時(shí),與某些進(jìn)化算法差距不算太明顯,但也優(yōu)于其他進(jìn)化算法。

表3 ESG-GA算法與8種進(jìn)化算法與在實(shí)際優(yōu)化問(wèn)題上的比較

實(shí)驗(yàn)結(jié)果表明,ESG-GA算法能夠適應(yīng)整個(gè)種群和個(gè)體自身的變化,引導(dǎo)個(gè)體進(jìn)化到潛在的搜索空間。

4 結(jié)語(yǔ)

針對(duì)遺傳算法中存在的停滯問(wèn)題,提出了一種基于高斯函數(shù)和自適應(yīng)精英策略的遺傳算法,該算法先是基于種群個(gè)體適應(yīng)度值排序,然后從排好序的種群個(gè)體中隨機(jī)選擇一些精英個(gè)體組成精英種群,用來(lái)引導(dǎo)停滯的個(gè)體繼續(xù)進(jìn)化以解決遺傳算法中存在的個(gè)體進(jìn)化停滯問(wèn)題,最后在交叉操作算子中引入高斯函數(shù)以實(shí)現(xiàn)種群的多樣性。在測(cè)試CEC 2014中50D、100D和兩個(gè)實(shí)際優(yōu)化問(wèn)題的基準(zhǔn)函數(shù)后,驗(yàn)證了ESG-GA算法相對(duì)于其他8種進(jìn)化算法的優(yōu)越性,同時(shí)給出了適應(yīng)度值誤差的均值、標(biāo)準(zhǔn)差和收斂圖的比較。所有的實(shí)驗(yàn)結(jié)果表明,所提出的算法能夠有效地幫助處于停滯狀態(tài)的個(gè)體繼續(xù)進(jìn)化,具有更高的求解精度和更好的收斂性。

猜你喜歡
適應(yīng)度精英基準(zhǔn)
改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
它們都是“精英”
精英2018賽季最佳陣容出爐
NBA特刊(2018年11期)2018-08-13 09:29:14
當(dāng)英國(guó)精英私立學(xué)校不再只屬于精英
海外星云(2016年7期)2016-12-01 04:18:01
昂科威28T四驅(qū)精英型
世界汽車(2016年8期)2016-09-28 12:11:11
明基準(zhǔn)講方法??待R
基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
滑落還是攀爬
巧用基準(zhǔn)變換實(shí)現(xiàn)裝配檢測(cè)
河南科技(2014年15期)2014-02-27 14:12:35
Imagination率先展示全新Futuremark 3DMark OpenGL ES3.0基準(zhǔn)測(cè)試
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
托克逊县| 安图县| 石嘴山市| 炎陵县| 兴文县| 达拉特旗| 霍邱县| 清苑县| 江永县| 榆社县| 徐汇区| 修水县| 蒙山县| 翁源县| 秦安县| 静安区| 肇源县| 朝阳县| 巨野县| 兴化市| 辽宁省| 微山县| 双辽市| 麟游县| 青神县| 西丰县| 清原| 湛江市| 富裕县| 昌平区| 云和县| 西青区| 福清市| 旺苍县| 买车| 朔州市| 高州市| 盐池县| 比如县| 崇信县| 西充县|