基于混合采样机制的互信息分布估计算法-控制与决策.pdf

第 卷 第 期 控 制 与 决 策 年 月 文章编号 基于混合采样机制的互信息分布估计算法 林志毅 谢国波 王丽娟 广东工业大学计算机学院，广州 摘 要 针对二阶分布估计算法的早熟收敛问题 提出一种基于混合采样机制的互信息分布估计算法 利用互信息度量变量之间的相关性 形成互信息树的概率模型 采用稀疏模型构建的思想 并基于自私基 因理论建立信息奖惩机制 以加快算法的收敛速度 结合反向学习、最优解变异和随机采样形成混合采样机制 以 提高算法的采样效率 仿真结果表明 比常见的二阶分布估计算法具有更高的稳定性和更强的寻优能力 关键词 互信息；自私基因；信息奖惩机制；混合采样机制 中图分类号 文献标志码 ， ， ， ffi ； ； ； 引 言 等二阶分布估计算法 并在函数优化和 分布估计算法 是一种基于概率模型的进 组合优化方面得到了应用 然而 目前的二阶分布估 计算法存在以下两个问题 化算法 采用基因间的联合概率分布表示其连锁 关系 利用统计学习方法引导种群的进化方向 从原 在建立概率模型时 需要统计大量的群体样本 理上克服了传统进化计算中难以解决的连锁学习问 才能得到较为准确的概率模型信息 导致群体规模对 题 目前 分布估计算法已经成为进化计算领域的研 模型的影响很大 如果种群规模较小 则建立的概率 究热点和解决实际工程应用问题的有效方法 人们 模型可能无法真正描述群体的信息 从而导致算法的 求解效果不好 此外 如果每一代都建立概率模型 算 提出了各种不同的分布估计算法 并在组合优化 、 法的时空开销则会较大 多目标优化 、机器学习 和多分类器系统构造 等方面得到了成功的应用 在对概率模型采样时 基本上都是采用单一的 众多的分布估计算法中 二阶分布估计算法由于 采样机制且大都为随机采样 然而 到目前为止 没有 模型相对简单 求解效果尚可 得到了一些研究者的 机制保持采样时的种群多样性 也没能充分利用当前 青睐 目前已提出了 、 、 、 已发现的最优个体的局部信息 收稿日期 ；修回日期 基金项目 国家自然科学基金项目；广东省重大科技专项项目；广东省自然科学基金 项目；广东省公益研究与能力建设专项项目 作者简介 林志毅 男 讲师 博士 从事自然计算、信息安全的研究；谢国波 男 教授 博士 从事