智能计算技术在智能天线波达方向估计中的应用.pdfVIP

维普资讯 维普资讯 2007年第 7期 对应，把对实际问题的优化过程映射为神经网络系 最重要的是，混沌的遍历性特点可作为搜索过程中 统的演化过程。 避免陷入局部极小的一种优化机制。另外，初值条件 模拟退火(SA)的思想最早是 由Ve~opolis等人 极其微弱的变化会引起系统行为巨大的变化，即混 于 1953年提出的，1983年Kirkpatrick等将其用于 沌对初值变化有很强的敏感性。利用上述两点，人们 组合优化问题。SA算法是基于MenteCarlo迭代求 提出了混沌优化算法，算法易跳出局部解 ，计算效率 解策略的一种随机寻优算法，其出发点是基于物理 高，被广泛应用于非线性优化领域。 学中固体物质的退火过程与一般组合优化问题之间 混合算法是综合上述某两种方法或多种方法而 的相似性。SA算法在某一初温下，伴随温度参数的 形成的一种优化算法。对某些大规模 问题用上述单 不断下降，结合概率突跳特性，在解空问中随机寻找 一 优化算法己无法得到优化解 ，这时可采用综合上 目标函数的全局最优解 ，即在局部优解能概率性地 述某两种或多种方法的混合算法。可以某一种算法 跳出并最终趋于全局最优解 。SA是一种通用的优 作为主算法的框架，另一种算法作为算法的评价工 化算法，目前 已在工程中得到了广泛应用(如控制过 具，或作为算法的运算操作，使算法具有较高的优化 程、机器学习、神经网络、图像处理等领域)。 性能、时问性能和鲁棒性。 1975年，J．Holland受生物进化论的启发提出了 遗传算法(GA)。GA是基于 适“者生存”自然法则的 一 种高度并行、随机和 自适应的优化算法。它将问题 2．1 遗传算法概述 的求解表示成 “染色体”的适者生存过程 ，通过 “染色 遗传算法 由Michigan大学的Hollnad教授在 体”群体的一代代不断进化 (包括复制、交叉和变异 70年代初提出。1975年，Hollnad教授发表了第一本 等操作)，最终收敛到 “最适应环境 ”的个体，从而求 比较系统地论述遗传算法的专著(AdapmtioninNat． 得问题的最优解。GA也是一种通用的优化算法，其 uralnadArtificialSystem)。遗传算法主要借用生 编码技术和遗传操作 比较简单，优化不受限制性条 物进化 中 适“者生存”的规律 。 适“者生存 ”揭示了大 件的约束。它的两个最显著特点则是隐含并行性和 自然生物进化过程中的一个规律，“最适合 自然环境 全局解空问搜索。目前，随着计算机技术的发展，GA 的群体往往产生了更大的后代群体”。 愈来愈得到人们的重视，并 已在机器学习、模式识 遗传算法主要借鉴了生物进化的一些特征，主 别、图像处理、神经网络、优化控制、组合优化 、遗传 要体现为： 学等领域得到成功应用。 a)编码 禁忌搜索(TS)的思想最早由Glover于 1986年 进化发生在解 的编码上 ，这些编码按生物学的 提出，它是对局部邻域搜索的一种扩展，是一种全局 术语称为染色体。由于对解进行了编码 ，优化问题的 逐步寻优算法，是对人类智力过程的一种模拟。TS 一 切性质都通过编码来研究。编码和解码是遗传算 算法通过引入一个灵活的存储结构和相应的禁忌准 法的一个主题。 则来避免迂回搜索，并通过特赦准则来赦免一些被 b)竞争 禁忌的优良状态，进而保证多样化的有效探索，最终 自然选择规律决定哪些染色体产生超过平均数 实现全局优化。相对于模拟退