一种基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法技术

本发明专利技术公开一种基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法，包括步骤1：根据问题对象构造目标函数f(x)；步骤2：将问题对象编码成遗传算法的染色体，自动计算或输入运行参数，并初始化；步骤3：根据对目标函数f(x)的评价，通过本发明专利技术的拉马克“获得性遗传算子”和“用进废退算子”对当前(第k代)种群

【技术实现步骤摘要】
一种基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法
本专利技术涉及计算机程序
，包括人工智能，尤其涉及一种基于遗传算法的全局优化、搜索和机器学习方法。
技术介绍
为了解决全局优化、搜索和机器学习等技术问题，普通的遗传算法利用达尔文的“适者生存”自然进化法则，多次重复应用了三个算子：选择算子、交叉算子和变异算子，算法的搜索速度比较慢，搜索精度比较低；并且，遗传算法的局部搜索能力较差，导致算法在进化后期搜索效率低；在实际应用中，遗传算法容易产生早熟收敛的问题，采用何种选择方法既要使优良个体得以保留，又要维持群体的多样性，一直是遗传算法中较难解决的技术问题，限制了它在全局优化、搜索和机器学习中产生更大的技术效果。
技术实现思路
为了克服基于达尔文“适者生存”自然进化法则的普通遗传算法的上述技术问题，本专利技术将拉马克获得性遗传原理和现代“表征遗传学”与达尔文进化论的“适者生存”自然法则相结合，构造“获得性遗传优化”技术方案和“获得性遗传算法”。首先，依据拉马克获得性遗传自然法则，专利技术一个获得性“遗传算子”及其“重写操作”方法，用来直接取代普通遗传算法的两个算子(即“选择算子”本文档来自技高网...

【技术保护点】
一种基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法，包括如下步骤：步骤1：根据优化、搜索和机器学习的问题对象构造目标函数f(x)；步骤2：根据问题对象的优化需求，将问题对象编码成遗传算法的染色体，然后自动计算或手动输入遗传算法的运行参数，并进行算法初始化；步骤3：根据问题对象的优化需求，设第k代候选解种群为Gk，且

【技术特征摘要】
2017.03.10 CN 20171014025851.一种基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法，包括如下步骤：步骤1：根据优化、搜索和机器学习的问题对象构造目标函数f(x)；步骤2：根据问题对象的优化需求，将问题对象编码成遗传算法的染色体，然后自动计算或手动输入遗传算法的运行参数，并进行算法初始化；步骤3：根据问题对象的优化需求，设第k代候选解种群为Gk，且其中代表候选解种群Gk中第i个染色体编码，S是种群大小，利用迭代优化方法得到k+1代种群Gk+1，即其中代表种群Gk+1中第i个染色体编码，S是种群大小，优化过程如下：(1)个体评价：计算候选解种群Gk中每一个染色体编码解码后对应的目标函数值的大小；(2)执行拉马克获得性遗传算子重写操作，产生临时种群G′k+1，包括如下步骤：(2a)根据交叉遗传概率pc来从候选解种群Gk中随机选择两个染色体编码，比较两个染色体编码的目标函数值fm和fn的大小，并计算基因遗传百分比pt：pt＝fm/(fm+fn),fm>fn；(2b)计算遗传给下一代的基因数目nt为：nt＝L·pt；L为基因串的长度，pt为基因遗传百分比；(2c)保留目标函数值大的染色体编码，将目标函数值大的染色体编码上的nt个基因对应重写到目标函数值小的染色体编码的相应位置上，形成新的染色体编码；(2d)重复以上(2a)-(2c)过程pcS次，产生重写操作之后的临时种群G′k+1；(3)使用拉马克用进废退算子对临时种群G′k+1执行定向变异操作，获得新候选解种群Gk+1；(4)重复迭代第(1)步到第(3)步，直到满足预先设定的终止条件；(5)评价解码后该最优解是否满足此次优化计算的要求，若满足要求，获取最终优化解集；否则，修改运行参数，重新计算直到获取最终优化解集；步骤4：输出问题对象的最终优化解集。2.根据权利要求1所述的基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法，其特征在于，在步骤2中，初始化的方法为：(1)首先，根据遗传算法的运行模式，确定运行参数：候选解种群的大小S、变量维数d、变量取值范围、交叉遗传概率pc、变异算子中的内部参数；(2)然后，对问题对象进行编码，形成个体基因串、染色体和候选解种群,确定基因串的长度L；(3)最后，根据问题对象的变量取值范围进行初始化，随机产生一组初始候选解，当k＝0，每个染色体基因组为即初始种群作为S为种群大小，d为变量维度。3.根据权利要求1所述的基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法，其特征在于，在步骤3(1)中：个体评价使用多个处理器或多台计算机。4.根据权利要求1所述的基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法，其特征在于，在步骤3(2...

【专利技术属性】
技术研发人员：李耘，李琳，
申请(专利权)人：东莞理工学院，李耘，李琳，
类型：发明
国别省市：广东,44