基于博弈论的协同演化算法研究

基于博弈论的协同演化算法研究

ID:39402198

大小:3.19 MB

页数:128页

时间:2019-07-02

基于博弈论的协同演化算法研究_第1页
基于博弈论的协同演化算法研究_第2页
基于博弈论的协同演化算法研究_第3页
基于博弈论的协同演化算法研究_第4页
基于博弈论的协同演化算法研究_第5页
资源描述:

《基于博弈论的协同演化算法研究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、分类号:密级:编号:UDC:工学博士学位论文基于博弈论的协同演化算法研究博士研究生:侯薇指导教师:印桂生教授学科、专业:计算机应用技术哈尔滨工程大学2014年3月 分类号:密级:编号:UDC:工学博士学位论文基于博弈论的协同演化算法研究博士研究生:侯薇指导教师:印桂生教授学位级别:工学博士学科、专业:计算机应用技术所在单位:计算机科学与技术学院论文提交日期:2013年9月论文答辩日期:2014年3月学位授予单位:哈尔滨工程大学 基于博弈论的协同演化算法研究ClassifiedIndex:U.D.C:ADissertationfortheDegreeofD.

2、EngResearchonCo-evolutionaryAlgorithmBasedonGameTheoryCandidate:HouWeiSupervisor:Prof.YinGuishengAcademicDegreeAppliedfor:DoctorofEngineeringSpecialty:ComputerAppliedTechnologyDateofSubmission:September,2013DateofOralExamination:March,2014University:HarbinEngineeringUniversity 哈尔滨工

3、程大学学位论文原创性声明本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者(签字):日期:年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定,即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复

4、印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文,可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(□在授予学位后即可□在授予学位12个月后□解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。作者(签字):导师(签字):日期:年月日年月日 哈尔滨工程大学博士学位论文 基于博弈论的协同演化算法研究摘要协同演化算法是近年来计算智能研究的一个热点,本文将协同演化算法的构建机理进行拓

5、展,将演化算法和博弈论相结合,基于博弈论的混合策略思想来设计新的协同演化算法,对原有的混合策略框架加以改进,将混合变异策略扩展到混合交叉策略,对演化算法的遗传算子、选择算子和搜索机制等提出新的协同策略,建立高效的协同演化模型和算法,并将新的协同演化算法用于函数优化、演化聚类、多议题协商和组合拍卖竞胜标确定问题等优化问题的求解。研究内容主要体现在以下几个方面:(1)在博弈论的混合策略思想的启发下,设计了新的混合策略,将新的变异算子加入到混合策略框架中,并将混合策略扩展到混合交叉策略,提出了基于混合交叉、混合变异策略的新的协同演化算法。所提的算法能够自动进行算子选

6、择,可以在不同的演化阶段动态地利用最有效的算子。算法中同时采用多种进化模式,具有隐含的多子种群特性,新一代种群是在多种进化模式协同作用下产生的。(2)多目标优化问题一直以来都是研究学者们关注的热点,演化多目标优化的领域越来越多地引入了一些具有创新思想的优化框架。基本的演化多目标优化算法在复杂空间上的局部搜索能力较弱,通过引入适当的局部搜索可以保持对于搜索空间探索和开发间的平衡。本文利用基于分解的多目标进化算法框架(MOEA/D),将混合策略的进化算法用于求解分解后的若干单目标优化子问题,提出了一种带局部搜索的基于分解的多目标混合策略进化算法(LMS-MOEA/

7、D)。算法利用均匀设计的方法产生子问题的聚合权重向量,混合交叉策略能够充分利用不同交叉算子的优势,同时算法针对演化过程收敛的特点,结合局部搜索策略,获得逼近Pareto前沿的最优解集。(3)针对FCM中数据点隶属度的计算是影响算法执行效率的主要因素,提出一种新的加速FCM算法(Acceleratedfuzzyc-means,AFCM),用于加速FCM及基于FCM的演化聚类算法。AFCM算法采用抽样初始化操作,产生较好的初始聚类中心,对于拥有较大隶属度的数据点,通过一步k-means操作更新模糊聚类中心,同时仅更新小隶属度来达到加速FCM算法的目的。为了验证所提

8、出方法的有效性并提高聚类算法的效率,将

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。