- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于拟蒙特卡罗方法的进化算法搜索鲁棒最优解的性能提高研究术
第 24卷 第 2期 模式识别与人工智能 V01.24 No.2
2011年 4月 PR AI Apr 2011
基于拟蒙特卡罗方法的进化算法
搜索鲁棒最优解的性能提高研究术
朱-X--E 罗 彪 郑金华 蔡 自兴
。(中南大学 信息科学与工程学院长沙 410083)
(湘潭大学 信息工程学院湘潭 411105)
摘 要 鲁棒最优解在工程应用中具有十分重要的意义,它是进化计算的重要研究内容,也是研究难点.进化算法
搜索鲁棒最优解时,通常使用蒙特卡罗积分(MCI)近似估计有效 目标函数(EOF),但由于现有的原始蒙特卡罗方
法(C-MC)近似精度不高,导致进化算法搜索鲁棒最优解的性能较差.文 中提出用拟蒙特卡罗方法(Q-MC)估计有
效 目标函数.通过大量的数值实验,结果表明,与C-MC相比,文中所引入的Q—MC方法——sQRT序列、SOBOL序
列和 Korobov点阵能更精确估计EOF,进而较大提高进化算法搜索鲁棒最优解的性能.
关键词 进化算法,鲁棒最优解 ,拟蒙特卡罗方法,有效目标函数
中图法分类号 TP181
Research onIncreasingthePerformanceofEvolutionaryAlgorithm
inSearchingRobustOptimalSolutions
BasedonQuasi--MonteCarloMethod
ZHUYun—Fei ,LUOBiao ,ZHENGJin—Hua ,CAIZi.Xing
(SchoolofInformationScienceandEngineering,CentralSouthUniversity,Changsha410083)
(CollageofInformationEngineering,XiangtanUniversity,Xiangtan411105)
ABSTRACT
Robustoptimalsolution isofgreatsignificance in engineeringapplication.Itisoneofthemost
importantanddifficulttopicsinevolutionarycomputation.MonteCarloIntegral(MCI)isgenerallyused
toapproximateeffectiveobjectivefunction(EOF)insearchingrobustoptimalsolutionwithevolutionary
algorithm (EA).However,duetothelowaccuracyinexistingcrudeMonteCarlo(C-MC)method,the
performanceofsearchingrobustoptimalsolutionwithEA isunsatisfactory.Therefore,aQuasi—Monte
Carlo(Q—MC)methodisproposedtoestimateEOF.Theexperiment~ resultsdemonstratethatthe
proposedQ—MCmethods—SQRTsequence,SOBOLsequenceandKorobovLatticeapproximateEOF
morepreciselycomparedwith C·MC method,and consequently,theperfomr anceofsearchingrobust
国家自然科学基金项 目(No、湖南省 自然科学基金项目(No.09JJ6089)、湖南省教育厅项 目(No.10C126)资助
收稿 日期:2010—03—
文档评论(0)