一种基于混沌搜索文化算法及其应用.docVIP

一种基于混沌搜索的文化算法及其应用 　　摘 要:针对文化算法求解函数优化问题存在过早收敛、不稳定等缺陷,基于文化算法框架、嵌入混沌搜索优化,提出了一种混沌文化算法。该算法模型由基于混沌的群体空间和存储知识的信念空间组成,利用标准知识和形势知识分别引导混沌搜索和混沌扰动,有效克服了文化算法过早收敛、混沌搜索优化对初值敏感、搜索效率低等缺陷。实例表明,该方法具有较强的全局搜索能力,在搜索效率、精度和稳定性上有显著表现,并能有效处理高维函数优化问题。 　　关键词:进化计算;文化算法;混沌文化算法;混沌搜索;知识引导 　　中图分类号:TP18文献标志码:A 　　文章编号:1001-3695(2010)07-2472-04 　　doi:10.3969/j.issn.1001-3695.2010.07.019 　　 　　Cultural algorithm based on chaotic search and its application 　　 　　HE Jian-jia,XU Fu-yuan,HE Sheng-xu,HUANG He 　　(School of Business, University of Shanghai for Science Technology, Shanghai 200093, China) 　　Abstract:For premature convergence and instability of cultural algorithm in solving function optimization problem, based on cultural algorithm and chaos search optimization,this paper proposed a chaos cultural algorithm (CCA).The algorithm model consisted of a chaos-based population space and a stored knowledge belief space, using normative knowledge and situational knowledge for chaos search and chaos perturbation respectively, and effectively avoided premature convergence of cultural algorithm and overcame chaos search optimization’s sensitivity to initial values and poor efficiency. Test results show that this algorithm is strong in global search, and has good performance in searching efficiency, precision and stability, especially in solving high-dimensional optimization problem. 　　Key words:evolutionary computation; cultural algorithm; chaos cultural algorithm(CCA); chaos search; knowledge guide 　　0 引言 　　从20世纪50年代仿生学的创立起,人们开始模拟生物进化的机理,提出了许多诸如遗传规划、免疫算法等解决优化问题的进化计算方法。这些算法研究主要集中在生物自然选择这一层面上。许多情况表明,文化能使种群以一定的速度进化和适应环境,而这个速度是超越单纯依靠基因遗传生物进化速度的[1]。在人类社会中,文化被看做存储信息的载体,这些信息在社会群体之间和群体内部广泛地传递,并能被社会所有成员继承,从而有效地指导成员的行为来解决问题。受此启示,Reynolds[1]于1994年提出了文化算法这种全新的进化算法。 　　文化算法从微观和宏观两个层次模拟进化,不同层次间相互促进且相互影响。该算法提供了一种显性的机制来获取、保存和整合问题求解的知识,从而提高搜索效率。目前,文化算法已成为算法研究的热点,并已成功应用到多个领域,在一些问题上取得了比传统进化算法更好的结果[2~4]。 　　 　　在函数优化方面,文化算法求解效率高,但存在过早收敛、不稳定等不足;混沌搜索优化全局搜索能力强,但对初值敏感、搜索效率低。因此,本文将混沌搜索优化引入到文化算法模型中,提出了用于解决优化问题的混沌文化算法(