进化策略学习、敛和逃逸能力的研究及应用.pdfVIP

浙江人学障L生论文 中 文 摘 要 进化计算是 种受生物进化论启发而建立的优化算法，拓展了传统的 计算模式，为复杂问题的求解提供了新的解决办法。将进化策略和学习算 法相结合是：j前的发展方向之一，f日．足理论研究相对较少，限制了它的进 -一步发展。本义首先分析了基丁拉马克j_义的进化学习策略(简称LELs) 和基于达尔文主义的进化学习策略(简称DELs)的异同；利用马尔可夫链 理论证明了此类算法的收敛性，并且在理论上分析了DELs具有更强的局 部逃逸能力，算法的运行速度也明显得到了提高。 接下来本文分别将均匀变异算子引入进化策略和进化学习策略中，使 得该类算法结构更简单，理论分析吏方便，局部逃逸能力较好，并对收敛 性进行了证明，最后的仿真实验表明了该方法的有效性。 模糊系统的口J‘解释性明显优于其他人工智能方法，却K期没有引起人 们足够的注意。本文对模糊系统的可解释性作了深入的分析，定义了最简 约模糊划分、模糊划分的克备．清晰性、模糊规则的完备性、紧凑性利一致 性．并将其加入到进化策略的适值函数中，用丁优化模糊系统。即使在先 验知识较少的’隋况下，该方法依然丌J以设计山具肯较好系统响应件能和较 高可解释件的模糊系统。 钊对K—men”s聚类算法易陷入局部极小和K值选取的问题，本文提出 类基于进化策略的聚类算法，可以有效的搜索最优聚类中心和聚类个数 K；还提山了确定K值范幽经验公式．以减小搜索守问，提高搜索效率， 并给…理论分析。 传统的观点认为进化策略是 种全局随机多点搜索技术，LMS算法是 种皋于梯度法的单点搜索策略，这两种算法是两种截然小同的。奉章对 此进行了深入的探讨，认为这两者之问的差异更多的是基丁我J半时的。 些“想当然”的观念卜的，进化策略可以看作是一种“概率”意义卜I的梯 度搜索技术，而LMs算江也町以看作种多点搜索技术。 天键词：进化策略进化学列策略掩马克主义达尔文上义LELS DELs斤天获得性遗传模糊系统可解释性最简约横糊划分完备．清晰性 致性足一me日s聚类 浙江人学博士生论文 Abstract Lamarckianev01ution DarwinianevoIution The learningstrategy(LELS)and and inthis theirsimilarities learningstrategy(DELs)arepresentedpaper．Both differencesin arediscussed．Theformerisbasedon learningimplementation Inheritanceof e。both and canbe acqujredcharacter，iphenotypegenotypeoptimized Whilethelater basedonDarwinian throughlearnjng． onlyoptimizesphenotype selectionThe ofELSwas MafkoVchain we conve喀ence proVedusing theory．And DELshas also demonstratedthat theoret记a¨y strongerescaplngcapacities．These are