张芬
- 作品数：2 被引量：3H指数：1
- 供职机构：安徽工业大学管理科学与工程学院更多>>
- 发文基金：安徽省教育厅重点基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于PK模型的一种自适应遗传算法研究被引量：3
- 2010年
- 遗传算法可以被理解为在逐代演化的过程中,适应性强的个体或种群具有更高的生存可能性的一种并行搜索算法。提出了基于PK竞争策略的遗传算法(Player Killing Genetical Algorithm,PKGA),其核心思想在于通过PK赛式的竞争筛选,直至剩下一个全程最优的个体即为全局最优解。通过对全程最优解的即时检测,同时配合交叉率与变异率在个体粒度上自适应地动态调整,算法能很好地避开局部极值点并减少进化过程中的退化现象。这种PK竞争筛选策略保证了算法较高的搜索效率和较强的鲁棒性。仿真实验证明,算法在应对早熟问题和退化现象及收敛效率等方面明显优于传统的标准遗传算法。
- 谢安世周传华徐新卫张芬
- 关键词：遗传算法适应度函数
- 适于高维空间搜索的自组织学习算法
- 2010年
- 提出了一种有别于当前优化算法框架的自组织学习算法(self-organizing learning algorithm,SLA),该算法融合遗传算法并行搜索与模拟退火串行搜索,结合粒子群学习机制和禁忌搜索机制,实现了系统与环境的交互学习,能够很好地处理传统优化方无法应对的高维非线性优化问题。SLA分自学习和互学习两个智能化学习阶段,先进行基于自学习机制的邻域禁忌搜索,保证局部极值的收敛,然后通过信息共享平台,进行基于互学习机制的广域禁忌搜索,保证全局极值的收敛。系统通过与环境交互学习而自适应地调整搜索策略和相关参数,使得搜索过程能够有效地避免盲目性,而具有相当的自组织性。最后,通过高维测试函数的对比仿真实验表明,SLA在由小型低维空间转入超大型高维空间时,仍能够与环境保持稳定、透明的交互学习,其全局搜索能力和整体稳健性明显优于其它搜索方法。
- 张芬谢安世周传华
- 关键词：自组织高维空间模拟退火禁忌搜索
