基于解空间分解的种群进化过程分析.docxVIP

基于解空间分解的种群进化过程分析 1 遗传算法的收敛性定量分析方法需要应用在实践中的应用研究 自创立以来，该算法已在多个领域广泛传播，但相关理论研究远落后于算法发展。由于遗传计算理论（ga）的理论基础不完整，在应用中暴露出许多问题。这主要体现在对遗传计算随机搜索机制的研究上，缺乏有效的分析方法和工具。在搜索机械工具的研究中，horand提出了模型理论、堆栈条件和隐藏行为的分析。模型理论和堆栈条件的假设表明，遗传计算方法有可能找到最合适的结果，并找到最好的结果。但是，这项结论尚未得到证明。在解决建筑物中堆栈条件是否正确的问题时，主要集中在所谓的伪传统法欺骗函数的研究上。应用程序的研究仅限于特定的实现。对于大多数应用中体现的全球优化能力，没有进行理论证据，也没有选择正确的测量和论证方法来正确描述ga在不同实现中的优化过程。 针对这些问题,提出了一种新的分析遗传算法的进化过程和收敛性的方法,可精确地刻画种群的进化行为,理解GA是如何解决问题的.该方法首先对解空间进行分区,将整个解空间分成不同的子空间,这样避免了因解空间过大给分析带来的复杂性.在子空间上,容易阐明选择、交叉和变异操作的寻优本质,并严格地证明了遗传算法具有寻找最优解的能力,给出了遗传算法寻找最优解的充分必要条件,即证明了积木块假设的结论成立.进而分析了产生GA难于求解的(所谓GA-难问题)和易于求解(所谓GA-易问题)的原