论文部分内容阅读
本文在研究分析标准遗传算法在可持续性进化方面的缺陷基础之上，受生物进化中公平竞争模式的启发，提出了可持续进化算法模型—HFC模型，HFC算法将种群中的个体按适应度值分成不同的等级并且各个等级单独进化，此外HFC模型中以输入、输出阀值来控制各等级中个体的迁移。该模型将传统收敛进化计算模型转换为可持续搜索模型，缓解了进化算法局部收敛的问题，保证了种群的多样性。但是，由于HFC模型是在标准遗传算法的基础上发展出来的，仍然存在结构上的固有缺陷。为了更好的支持可持续性进化，本文将遗传编程的算法结构引入到HFC模型中，同时给HFC模型添入一些自适应机制，从而研究得到了三种改进的HFC算法。这三种改进的HFC算法分别是静态的HFC算法(SHFC)、自适应性输入阀值的HFC算法(HFC-ADM)和自适应性移动结构的HFC算法(HFC-ATP)。SHFC算法引入了流动种群来提高算法的搜索能力；HFC-ADM算法能够自适应的调整HFC模型中各层的输入阀值；HFC-ATP算法允许HFC模型中各层间个体的自适应移动。此外，由于三种改进的算法是建立在遗传编程的基础上的，为了保证遗传编程中树型结构的正确进化，本文在适应度共享方法的基础上提出了结构适应度共享方法(SFS)。SFS方法将遗传编程的开放式拓扑结构搜索能力和传统的参数优化方法结合起来，能够同时进行结构搜索和参数搜索。最后，本文给出了四种HFC模型(HFC、SHFC、HFC-ADM、HFC-ATP)详细的算法过程，并用线材问题和旅行商问题分别验证了HFC算法和改进的HFC算法的可行性，同时也证明了基于遗传编程的HFC算法实现了进化的可持续性。