噪声干扰影响下遗传算法若干问题的研究.pdfVIP

StudyonsomeissuesoftheGenetic Algorithmsundertheinfluenceofthenoise ADissertation SubmittedfortheDegreeofMaster Onsigna andinformationprocessing by PengLiu UndertheSupervisionof Prof.JunhuaLi Schoo of informationandengineering NanchangHangkongUniversity,Nanchang,China May,2015 摘 近年来，以优化为基础的各类问题，如机器人路径规划、生产作业计划和资 源调度、离散事件动态系统监控等，求解的环境往往非常复杂，不确定的环境因 素、训练样本的错误、人为因素等都可导致问题处在噪声影响下。因而传统的优 化方法求得的全局最优解一旦付诸实施，而当实际情况偏离假设时，则不但不能 保持最优，甚至会导致优化品质的严重下降。本文对受噪声干扰下的遗传算法进 行了研究，做了以下几个方面的工作： (1) 从遗传算法的基本知识入手，引入噪声变量，模拟噪声干扰环境下的 传算法研究。由于噪声干扰会导致寻优偏移的问题，本文使用平均有效目标函数 的方法来进行降噪处理，尽量使噪声对算法寻优的影响降到最低。 (2) 对噪声干扰决策变量的问题进行了研究。使用重采样取得平均有效目标 函数的方法降低噪声的干扰。介绍了遗传算法鲁棒性的相关概念，引入方差作为 遗传算法的鲁棒约束条件。在约束条件下进行鲁棒寻优，在此方法上得到的解稳 定性更好，抗干扰性更强。 (3) 对噪声干扰适应度函数评价问题进行了研究。使用了重采样取得平均有 效目标函数的方法降低噪声的干扰。在此基础上还提出了一种改进的遗传算法用 于噪声环境下降低噪声对适应度评价的影响。利用全局区域收敛率和全局收敛精 度作为评价噪声干扰适应度函数评价下遗传算法性能的新指标。实验结果表明改 进的遗传算法能够改善寻优结果。 关键字： 遗传算法，噪声影响，平均有效目标函数，鲁棒性 I Abstract In recent years, the different kinds of problems which are on the basis of the optimization likerobot path planning, production plan and resource scheduling, and discrete events dynamic system monitoring, have a complex environment to solve. Uncertain environmenta factors, the mistakes of the training pattern and human factorscana causetheproblemsthat areundertheinfluenceofnoise. So,whenthe traditiona optimizationmethods forthegloba optima solutionareimplementedand actua situation deviates from the hypothesis, these methods can’t maintain optimal, but also lead to optimize quality decline seriously. In this paper, the genetic algorithm(GA) was studiedunder the noise interference and did