基于云理论进化计算模型.docVIP

论文标题：基于云模型的进化算法 论文作者： 张光卫: 北京航空航天大学计算机学院，北京，100083 何锐: 北京航空航天大学计算机学院，北京，100083 刘禹 北京航空航天大学计算机学院，北京，100083 李德毅: 中国电子工程系统研究所，北京，100040 陈桂生 中国电子工程系统研究所，北京，100040 中文摘要： 基于云模型在非规范知识的定性、定量表示,及其相互转换过程中的优良特征,结合进化计算的基本思想,提出一种基于云模型的进化算法.该算法利用云模型对物种的遗传变异进化统一建模，能够自适应控制遗传变异的程度和搜索空间的范围,从而可以快速收敛到最优解.较好地避免了传统遗传算法易陷入局部最优解和选择压力过大造成的早熟收敛等问题.仿真结果表明该算法具有精度高、收敛速度快等优点.云模型和进化计算思想的有效结合一方面拓宽了云模型的应用领域,也为进化计算的研究进行了新的探索和尝试. 关键字： 云模型; 进化计算, 数值优化, 遗传算法, 数值优化, 人工智能 基于云模型的进化算法* 张光卫1,何锐1,刘禹1,李德毅2,陈桂生2 ( 1北京航空航天大学计算机学院 北京100083 2 中国电子工程系统研究所 北京 100840） 摘 要： 基于云模型在非规范知识的定性、定量表示,及其相互转换过程中的优良特征,结合进化计算的基本思想,提出一种基于云模型的进化算法.该算法利用云模型对物种的遗传变异进化统一建模，能够自适应控制遗传变异的程度和搜索空间的范围,从而可以快速收敛到最优解.较好地避免了传统遗传算法易陷入局部最优解和选择压力过大造成的早熟收敛等问题.仿真结果表明该算法具有精度高、收敛速度快等优点.云模型和进化计算思想的有效结合一方面拓宽了云模型的应用领域,也为进化计算的研究进行了新的探索和尝试. 关键词：云模型;进化计算;遗传算法;数值优化,人工智能 引言 遗传算法(GA)[1~6]是智能计算的重要分支.问题解按照一定编码方案被表示成遗传空间的串结构个体,用适应度函数进行评价以选择出优秀个体,通过交换和变异操作产生新一代更适应环境的种群.系统初始化为一组随机解,经过逐代演化,收敛到一个最适应环境的串上,求得问题的最优解. 云模型是李德毅院士提出的一种定性知识描述和定性概念与其定量数值表示之间的不确定性转换模型[7～10],已经在智能控制、模糊评测等多个领域得到应用.正态云模型是最重要的一种云模型,由于其具有良好的数学性质,可以表示自然科学、社会科学中大量的不确定现象[8]. 云模型在知识表达时具有不确定中带有确定性、稳定之中又有变化的特点,体现了自然界物种进化的基本原理.对于云模型 C(Ex,En,He),Ex可以代表父代个体遗传的优良特征,是子代对父代的继承, En和He可以表示继承过程的不确定性和模糊性,表现了物种进化过程中的变异特征. 用正向云算子可以完成概念空间到数值空间的转换,在三个参数的控制下产生子代种群,完成遗传操作.一方面这种转换是确定的和精确的,因为数值空间的每一个云滴都是定性概念的一次量化实现,都在一定程度上是该定性概念的代表;另一方面,这种转换又是随机的和模糊的,每一次变换得到不同的云滴集合,而且同一定性概念可用云滴集合中的任何一个代表,不同的云滴代表该概念的确定程度不同. 基于云模型的优良特性,结合进化计算的基本原理本文提出一种基于云模型的进化算法,该算法不但比传统遗传算法精度高,而且能够很好地避免遗传算法易陷入局部最优解和选择压力过大造成的早熟收敛等问题. 本文组织如下:首先对云模型进行简单介绍;然后重点给出了CBEA的思想和详细算法流程;仿真实验部分对本文提出的算法进行测试和对比分析;最后总结全文并给出下一步的研究方向. 1云模型简介 定义1.1云和云滴 设U是一个用数值表示的定量论域,C是U上的定性概念,若定量值是定性概念C的一次随机实现,x对C的确定度是有稳定倾向的随机数: ,则x在论域U上的分布称为云(Cloud),记为云C(X).每一个x称为一个云滴[7]. 如果概念对应的论域是n维空间,那么可以拓广至n维云. 云模型所表达概念的整体特性可以用云的数字特征来反映,云用期望Ex（Expected value）,熵En(Entropy),超熵He(Hyper entropy)这3个数字特征来整体表征一个概念,多维云模型的整体特征可由多组数字特征表示.期望Ex是云滴在论域空间分布的期望,是最能够代表定性概念的点,或者说是这个概念量化的最典型样本;熵En代表定性概念的可度量粒度, 熵越大通常概念越宏观,也是定性概念不确定性的度量,由概念的随机性和模糊性共同决定.一方面En是定性概念随机性的度量,反映了能够代表这个定性概念的云滴的离散程度;另一方面又是