基于分级竞争紧致遗传算法的非线性优化

山东大学学报(工学版)

基于分级竞争紧致遗传算法的非线性优化

马西庚¹，郑国宗¹，戴永寿¹，朱瑛²

1. 中国石油大学信息与控制工程学院，山东东营257061；2. 中国石化胜利油田有限公司胜利采油厂，山东东营257000

收稿日期:2005-09-07 修回日期:1900-01-01 出版日期:2006-04-24 发布日期:2006-04-24
通讯作者: 马西庚

Study of nonlinear optimization based on grading competition

MA Xi-geng¹，ZHENG Guo-zong¹，DAI Yong-shou¹，ZHU Ying ²，

1. College of Information and Control Engineering,China University of Petroleum,Dongying 257061,China;2. Shengli Oilextraction Factory,SINOPEC Shengli Oilfield Co.，Ltd.,Dongying 257000,China

Received:2005-09-07 Revised:1900-01-01 Online:2006-04-24 Published:2006-04-24
Contact: MA Xi-geng

摘要/Abstract

摘要： 紧致遗传算法中概率向量进化的模型是随机游动模型，据此研究了二进制编码中向量分量的进化特性，提出了分级竞争紧致遗传算法（grading competition compact genetic algorithm，GCCGA），加大参与竞争的两个个体的适应度的差距，使概率向量有效进化.在数值函数中利用GCCGA寻优提高算法在非线性优化问题中的收敛速度和全局寻优的能力.实验结果表明算法是有效的.

关键词: 随机游动, 紧致遗传算法, 分级竞争, 非线性优化

Abstract: The update model of the probability vector in compact GA is characterized by random walk, based on which the components update of the probability vector in the CGA with binary code is studied. A novel algorithm (GCCGA) is proposed consequently. By using this algorithm, the fitness difference of the two competitors is increased. This can guarantee the probability vector updates availably. The GCCGA is performed in the numerical function in order to investigate the speed of convergence and the ability of global optimization in nonlinear optimization. The results indicate that the novel algorithm is efficient.

Key words: compact genetic algorithm, grading competition, nonlinear optimization , random walk

中图分类号:

TP18

马西庚,郑国宗,戴永寿,朱瑛 . 基于分级竞争紧致遗传算法的非线性优化[J]. 山东大学学报(工学版), 2006, 36(2): 32-35 .

MA Xi-geng,ZHENG Guo-zong,DAI Yong-shou,ZHU Ying , . Study of nonlinear optimization based on grading competition[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2006, 36(2): 32-35 .

参考文献

相关文章 15

[1]	刘子一,崔超然,孟凡安,林培光. 基于批归一化统计量的无源多领域自适应方法[J]. 山东大学学报 (工学版), 2023, 53(2): 102-108.
[2]	徐芊芊,许倩,徐华畅,赵钰琳,徐凯,朱红. 基于CnViT的胶质瘤IDH1突变状态智能预测方法[J]. 山东大学学报 (工学版), 2023, 53(2): 127-134.
[3]	曹春红,段鸿轩,曹玲,张乐乐,胡凯,肖芬. 基于多级特征级联的遥感图像实时语义分割[J]. 山东大学学报 (工学版), 2021, 51(2): 19-25.
[4]	彭岩,冯婷婷,王洁. 基于集成学习的O₃的质量浓度预测模型[J]. 山东大学学报 (工学版), 2020, 50(4): 1-7.
[5]	李怡霏,郭尊华. 一种Chirplet神经网络自动目标识别算法[J]. 山东大学学报 (工学版), 2020, 50(3): 8-14.
[6]	王一宾,李田力,程玉胜,钱坤. 基于核极限学习机自编码器的标记分布学习[J]. 山东大学学报 (工学版), 2020, 50(3): 58-65.
[7]	李春阳,李楠,冯涛,王朱贺,马靖凯. 基于深度学习的洗衣机异常音检测[J]. 山东大学学报 (工学版), 2020, 50(2): 108-117.
[8]	高铭壑,张莹,张蓉蓉,黄子豪,黄琳焱,李繁菀,张昕,王彦浩. 基于预测数据特征的空气质量预测方法[J]. 山东大学学报 (工学版), 2020, 50(2): 91-99.
[9]	李英达,谢宗霞. 基于核相似性删减策略的支持向量回归算法[J]. 山东大学学报 (工学版), 2019, 49(3): 8-14.
[10]	张成彬,赵慧,曹宗钰. 基于深度学习的车身网络KWP2000协议漏洞挖掘[J]. 山东大学学报 (工学版), 2019, 49(2): 17-22.
[11]	庞阔,陈思琪,宋笑迎,邹丽. 基于粒计算的语言概念决策形式背景分析[J]. 山东大学学报 (工学版), 2018, 48(6): 74-81.
[12]	陈红,杨小飞,万青,马盈仓. 基于相关熵和流形学习的多标签特征选择算法[J]. 山东大学学报 (工学版), 2018, 48(6): 27-36.
[13]	梁蒙蒙,周涛,夏勇,张飞飞,杨健. 基于PSO-ConvK卷积神经网络的肺部肿瘤图像识别[J]. 山东大学学报 (工学版), 2018, 48(5): 77-84.
[14]	王婷婷,翟俊海,张明阳,郝璞. 基于HBase和SimHash的大数据K-近邻算法[J]. 山东大学学报(工学版), 2018, 48(3): 54-59.
[15]	何正义,曾宪华,郭姜. 一种集成卷积神经网络和深信网的步态识别与模拟方法[J]. 山东大学学报(工学版), 2018, 48(3): 88-95.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	张永花,王安玲,刘福平 . 低频非均匀电磁波在导电界面的反射相角[J]. 山东大学学报(工学版), 2006, 36(2): 22 -25 .
[2]	孔祥臻,刘延俊,王勇,赵秀华 . 气动比例阀的死区补偿与仿真[J]. 山东大学学报(工学版), 2006, 36(1): 99 -102 .
[3]	来翔 . 用胞映射方法讨论一类MKdV方程[J]. 山东大学学报(工学版), 2006, 36(1): 87 -92 .
[4]	余嘉元1 , 田金亭1 , 朱强忠2 . 计算智能在心理学中的应用[J]. 山东大学学报(工学版), 2009, 39(1): 1 -5 .
[5]	李可,刘常春,李同磊 . 一种改进的最大互信息医学图像配准算法[J]. 山东大学学报(工学版), 2006, 36(2): 107 -110 .
[6]	季涛,高旭,孙同景,薛永端,徐丙垠 . 铁路10 kV自闭/贯通线路故障行波特征分析[J]. 山东大学学报(工学版), 2006, 36(2): 111 -116 .
[7]	秦通,孙丰荣*,王丽梅,王庆浩,李新彩. 基于极大圆盘引导的形状插值实现三维表面重建[J]. 山东大学学报(工学版), 2010, 40(3): 1 -5 .
[8]	孙殿柱,朱昌志,李延瑞 . 散乱点云边界特征快速提取算法[J]. 山东大学学报(工学版), 2009, 39(1): 84 -86 .
[9]	张爱娟. 模拟体液中类骨羟基磷灰石的合成[J]. 山东大学学报(工学版), 2010, 40(3): 86 -90 .
[10]	刘新1 ，宋思利1 ，王新洪2 . 石墨配比对钨极氩弧熔敷层TiC增强相含量及分布形态的影响[J]. 山东大学学报(工学版), 2009, 39(2): 98 -100 .