混合模拟退火-进化策略在非线性参数估计中的应用.pdfVIP

第40卷第22期 数学的实践与认识 V01．40、NO．22 IN AND NOV．．2010 2010年11月 MATHEMATICSPRACTICETHEORY 混合模拟退火一进化策略在非线性参数估计中的应用 郭德龙，，夏慧明。，周永权。 (1．黔南民族师范学院数学系，贵州都匀558000) (2．南京师范大学泰州学院数学系，江苏泰州225300) (3．广西民族大学数学与计算机科学学院，广西南宁530006) 摘要：提出了一种混合模拟退火．进化策略算法应用在非线性参数估计中，方法 克服了传统优化方法估计参数精度不高且容易陷入局部极小值等缺点，并且将模拟 退火算法和进化策略算法相结合，充分发挥各自算法优点．最后通过给出非线性参 数估计算例，结果表明，算法具有参数估计精度较高，收敛速度快，自适应性强，在实 际工程中有较大的应用价值． 关键词：模拟退火算法；进化策略；非线性参数估计；优化 1引言 近年来，非线性回归分析的研究受到广泛的重视，非线性回归分析在语音信号处理、生 物医学和地震预测等方面得到了广泛的应用．然而，由于非线性模型一般都比较复杂，且不容 易获得其参数估计，从而极大地限制了它的应用和发展．非线性回归模型参数估计的常见算 只对某一类特定问题有效，且要求模型具有连续、可导、单峰等特性．进化策略是一种自据 “适者生存，不适应者淘汰”的策略，从而不断地向最佳解方向逼近，它全局搜索能力强，可适 应启发式的随机搜索方法，它在确定了编码方案，适应值函数及变异算子以后，算法是局部收 索能力差些．而模拟退火算法具有较强的局部搜索能力．本文提出一种新的混合模拟退火一 进化策略算法，充分利用模拟退火算法与进化策略优势互补，来进行非线性参数估计．非线性 回归的模型一般可表示为 Y=f(X，臼)+e (1) 其中e服从正态分布x(o，盯)，X∈Rm，Y∈R，目∈Rp，P为参数个数． 最小二乘估计值即求9∈舻使得对任何臼∈Rv都有s(毋)≤s(p) n s(e)=：(可i一，(zt，o))2 (2) i=l 非线性回归模型有多种，常用的几种模型如下 收稿日期：2010—05—14 资助项目：泛函网络新模型及学习算法与应用研究，国家民委科研基金项目(08GX01)；泛函网络理论及其代 数算法研究，广西自然科学基金(0832082)；进化计算一泛函网络在数值计算中的应用，黔南民族师范学院创 新项目(QNSY0905) 万方数据 92 数学的实践与认识 40卷 1)S形生长模型：工程、生物、经济学中，形状为“sⅣ的生长曲线普遍，根据不同形状， 又建立不同函数模型[引 Gompertz模型 ，(z)：ae—e卜” (3) Logistic模型 m)=丽a (4) Richards模型 m)2面軎币 (5) MMF模型 m)=可卢r+ax5 (6) Weibull模型 ，(茁)：