一种包含遗传算子的思维进化算法.docVIP

一种包含遗传算子的思维进化算法 　　摘要：本文初步讨论了遗传算法和思维进化算法的优点与不足之处，简要叙述了思维进化算法的主要思想和试验步骤，指出了其存在的主要问题和改进措施，将遗传算法中的遗传算子与思维进化结合起来，借鉴了遗传算法中的交叉和变异操作，使思维进化算法得到了一定的改进，给出了具体的实现步骤；并将算法用于函数的极值求解中，取得了不错的实验结果，可以应用到不同的计算领域。 中国论文网 /8/view-7181875.htm 　　关键词：思维进化算法 遗传算法 交叉 变异 　　中图分类号：TP183 文献标识码：A 文章编号：1007-9416（2015）12-0000-00 　　Abstract：This paper discussed the advantage and weakness of the Genetic Algorithm and Mind Evolution Algorithm tentatively， expatiate the main mind and test step， point out the problem and the improve，combined genetic operator with Mind Evolution Algorithm， and made Mind Evolution Algorithm improved， provided the concreting step， use the cross and variation； And using this algorithm for solving the extreme value of function， it obtained the satisfied experimental result， apply for the compute area. 　　Key words：Mind Evolution Algorithm； Genetic Algorithm； crossover； mutation 　　1 引言 　　自然界是人类获得灵感的重要源泉，近几十年来，将生物界提供的答案用于实际问题的求解已经被证明是一个成功的方法。进化计算正是在这种背景下产生的，它主要包括：遗传算法、进化规划和进化策略。而在这中间应用最为广泛的是遗传算法。遗传算法是一种以达尔文的进化论和门德尔的遗传理论为基础的求解全局优化问题的仿生型算法。它是由Michigan大学的Holland教授提出的，它简单、通用、鲁棒性强。近年来，遗传算法的研究取得了长足的进步，并且在函数优化、组合优化、生产调度问题、人工生命及机器学习等众多领域里得到了广泛的应用。但是遗传算法的缺点也日益明显：交叉与变异两个重要算子都是在一定的概率条件下，随机、盲目的搜索，容易产生退化早熟现象；另外，它缺乏行之有效的强制记忆功能并且计算时间过长。正因为如此，有许多科学家试图从各个方面来改进遗传算法。而思维进化算法（MEA）就是针对遗传算法所出现的问题而提出的一种行之有效的解决方法。本文将遗传操作与思维进化算法有机的结合在一起，把变异与交叉算子融于思维进化中，对思维进化作了一定的改进。 　　2 基本思维进化算法 　　2.1 思维进化的主要思想 　　众所周知，自然界中的生物通过遗传和自然选择而进化了上亿年，这个过程非常缓慢。相比之下，人类思维进化的速度却远远高与生物的进化。其原因在于：向前人和优胜者学习；不断的进行探索和创新。人类在这两种思维方式的影响下使自身得到了快速的发展，推动了科技的进步。思维进化算法正是基于以上分析而得出的。其主要构成如下： 　　（1）群体和子群体。所有个体的集合称为一个群体。一个群体分为若干个子群体，子群体有两类：优胜子群体和临时子群体。（2）公告板。公告板为个体间和子群体间提供信息交流的机会。公告板上的信息包含了3 部分：个体或子群体的序号、动作、得分。行为的表达是与区域相关的，即行为的表达因区域而异。得分是标量，取自于环境中的行为。个体关于环境的知识就是信息。（3）趋同和异化是思维进化中的重要概念。在学习初期，个体在解空间中随机散布，计算每个个体的得分。一些得分高的个体成为胜者，并以它们为中心形成子群体。 　　趋同：每个子群体的个体在子群体内向其胜者（子群体内得分最高的个体） 学习，并相互竞争，直到一个新的胜者出现。胜者的得分就是子群体的得分。子群体的成熟：一个子群体诞生后，开始时，子群体的得分增长很快，以后得分增长逐步减慢，当子群体的得分不再增长时，称该子群体成熟。异化：一些个体在整个解空间中搜索，，产生若干个临时子群体。当临时子群体的得分高于任何一个成熟优胜子群体的得分时，用前者取代后者成为新的优胜子群体。从竞争