元胞遺傳算法研究及應用.pdf

1、由于科技發展的需要，人們不得不面對科學研究和工程領域中的愈來愈復雜的尋優問題，元胞遺傳算法提供了一種解決復雜優化問題的途徑。元胞遺傳算法將遺傳操作限制在鄰域內進行，減緩了優勢個體在群體中的擴散速度，具有更好的全局探索能力，在求解復雜、多極值點優化問題中顯示出優越性。然而，鄰域內的遺傳操作也帶來元胞遺傳算法收斂速度慢、局部搜索能力弱的問題。目前，元胞遺傳算法大多注重元胞自動機鄰域結構，缺乏對元胞自動機模擬自然現象的系統研究。為此，本文對元

2、胞遺傳算法進行了較為系統完整地研究分析，從不同角度提出幾種改進算法，提高了算法全局收斂率及收斂速度，并在工程應用領域做出了新探索。本文研究內容和成果如下:
　　(1)以選擇壓力作為分析手段，對標準元胞遺傳算法進行定性分析。通過測試具有代表性的函數，從進化過程與計算性能兩方面，對元胞遺傳算法與標準遺傳算法進行對比分析，并分析總結了鄰域結構對算法性能的影響。研究表明，在進化過程中，標準元胞遺傳算法具有較好的維持群體多樣性能力。

3、　　(2)對災變機制元胞遺傳算法進行研究，提出基于個體差異的災變元胞遺傳算法。研究不同移民方式下，災變規模和災變周期對災變機制元胞遺傳算法選擇壓力的影響。以精英移民策略為基礎，將具有差異的優秀個體植入災難區域，提高了進化過程中的群體多樣性。這種方法在處理多峰、存在局部極值點的優化問題時，提高了算法跳出局部極值點的能力，亦使優化問題的收斂速度和收斂率得到提高。
　　(3)研究生態密度對生態系統進化的影響規律，提出兩種不同演化行為機制

4、的元胞遺傳算法。為了進一步維持群體的多樣性，從自然界的漸進演化行為出發，提出具有演化規則的元胞遺傳算法，以便提高全局搜索能力?；趥€體的適應度，以物種間的捕食策略替代自然演化行為，提出具有捕食機制的元胞遺傳算法，從而提高局部探索能力。這兩種算法的運行效率均優于基本元胞遺傳算法。
　　(4)結合粒子群算法與元胞遺傳算法，借鑒粒子群優化中粒子信息交互模式，提出兩種不同融合機制的混合元胞遺傳算法。根據粒子群概念，構造一個元胞遺傳算法的新