基于遗传算法的三次样条函数拟合.pdfVIP

基于遗传算法的三次样条函数拟合 陈小平于盛林刘文波 (南京航空航天大学测试工程系，南京，210016) 摘要：本文介绍了遗传算法的一种新应用——三次样条函数拟合中的参数估计问题．利用 基因算法，三次样条函数拟合求解可避免矩阵求逆的繁琐。对标准遗传算法进行了适当的 改进。实验结果说明遗传算法是用于参数估计、优化的有力工具。 1．引言 在信号的炭原和重建过程中，须从离散样本求出不位于取样点上的数值。如果考虑复 原过程总会存在误差，通过一些有误差的离散数据来得到整个区间的曲线是一个曲线拟合 或逼近问题．而当误差为零时，逼近就退化成了插值。作为逼近当然存在一个用什么函数 来逼近的问题，样条函数，尤其是三次样条函数，在曲线拟合上是一个公认的较好方法， 它具有很好的分段光滑性．但三次样条函数拟合涉及到矩阵求逆，当离散样本点(观测数 AJg嘶thm，GA)珂j于三次样条函数拟合的系数求解，即参数估计． GA是一种模仿生物进化过程的结构型随机搜索．GA通常由三个基本操作组成，即： 选择、交叉、变异．给定一个优化的问题，简单的GA将参数编码成一定长的位字符串， 然后以随机的方法重复使用三种操作(基于适应度函数卜执行字符串拷贝，交换字符串 的一部分及改变字符串的某一位值的基本操作，最后发现并解码GA的解。 本文将遗传算法用于三次样条函数拟合的系数求解，避开了矩阵求逆的繁琐问题，结 合具体例子作了一些探索，实验结果令人兴奋。文中还对标准GA作了两点改进。首先将 最好的染色体不变地传至下一代确保了最小估计误差是一单调的减小过程。第二，引入可 变变异概率的手段，当所有染色体是相同的或经过一定代数之后估计误差没有减小时增大 变异概率． 2三次样条函数拟合 样条函数拟合是使所选的样条函数口D在取样点上的数值与所得到的数据相同并且保 持整个函数具有要求的光滑性。三次B．样条的表达式为： ， +， ， 玉H vl心 ●一6 4：j 一 ， 一 p+ ～ o B，O)砷 ，一2 一 ， f 十 2一，曲 s ，一2 2～3 一 ， +p一 打 + vIk ●一6 小～㈧扣 假定数据采样点处于如上，豇为整数，而^为采样间隔，则任意一点可以表示为f=f却^， o≤pI，当采用三次B-样条函数来进行信号拟合时，有 毗训一》％小小去塞∥” (2) 为了确定系数嚷，考虑到在数据采样点上p=o，则有 s“)。去瓴+4吼+口I+1) (3) O，彳 而在这些点上样条义曲的数值应该等于观测数据值“f。)，因此有 r=E4 f4) 以由式(4)通过矩阵E求逆获得。现在的问题是如果观测数据值x的长度较长时，矩阵E 将非常庞大，对其求逆势必相当繁琐。下面介绍GA应用于三次样条函数拟合，即求系数 吼，省去了矩阵求逆的麻烦。 3．GA实现及例子 观察矩阵E和式(4)，若已知口．，则可依次求出吼…口。．GA应用于三次样条函数拟合 的基本思路正是通过运行GA找到系数向量4=p。，嘞．…吒r中第一个元素q的最佳值，再 由式(3)依次求出其余系数口：…％，所以在GA中要编码的参数只有雹。 在每一代中，对每条染色体(表示q的字符串)译码计算出口。，并求出相应的口?吼， 代入式(2)，得到该染色体对应的样条函数，设在整个曲线拟合区问陋，6】上的第，代第，条 染色体对应的估计误差为e，这样就可以定义该染色体的适应度函数 ^一1一 产1，．．，N