The invention discloses a design method of genetic algorithm based on self-adjusting dynamic network, which comprises the following steps: S1, comprehensively considering the ranking of the objective function value of the node in the neighbor node and the number of neighbor nodes, giving the definition of the network node criticality; S2, establishing three topology update rules of even generation, odd generation and competition, so that the network topology can dynamically evolve with the evolution of genetic algorithm S3, set up the population diversity as the feedback information, dynamically adjust the topology update rules, make the population maintain the appropriate level of diversity to facilitate the global search. The invention provides a design method of genetic algorithm based on self-adjusting dynamic network, which includes a new definition method of key degree of exponential network node, and designs three topological structure updating rules for genetic algorithm, which makes the network topological structure evolve with the evolution of genetic algorithm, effectively improving the population diversity and convergence performance of genetic algorithm.
【技术实现步骤摘要】
一种基于自调整动态网络的遗传算法设计方法
本专利技术涉及一种基于自调整动态网络的遗传算法设计方法,属于遗传算法
技术介绍
遗传算法作为一种典型的群体智能优化算法,自1975年由J.Holland教授提出以来,在图像处理、机器学习和工程优化等领域得到了普遍的应用。而标准遗传算法仍然存在收敛速度慢、容易陷入局部最优等缺陷。为了提高遗传算法的收敛速度和收敛精度,研究者们主要从参数设定、方案调整、与其它智能算法结合、改进邻域拓扑结构等方面对算法进行改进。自然界存在着各种各样的复杂系统,这些复杂系统可以建模为复杂网络进行研究,从复杂网络的角度研究这些复杂系统的结构,复杂系统的结构特性对其系统功能具有重大影响。因此,近年来复杂网络的研究受到了越来越多的关注。遗传算法模拟自然进化过程搜索问题的最优解,随着遗传算法的不断运行,后代种群比前代更加适应于环境,最终找到问题的最优解。因此,遗传算法是一个系统,且具有结构,所以可以用复杂网络演化模型研究遗传算法。种群结构的改变会对遗传算法的收敛速度以及收敛精度产生重大影响。因此,为了改善遗传算法的收敛性能,研究者们尝试将各种复杂网络模型应用到遗传算法的种群结构中。研究者们将这些种群拓扑结构分成两种:静止态结构和运动态结构。静止态结构在算法运行之前就已经定义完成,应用静止态结构时,遗传算法种群中的个体可以较好地进行小区域间的交互,从而有效避免遗传算法陷入局部最优,并且可以提升搜索效率。在首次提出了种群结构的思想之后,许多学者纷纷效仿,采用不同的复杂网络模型作为遗传算法 ...
【技术保护点】
1.一种基于自调整动态网络的遗传算法设计方法,其特征在于:包括以下步骤:/nS1,综合考虑节点的目标函数值在邻居节点中的排名以及邻居节点数,给出网络节点关键度定义;/nS2,建立偶生、奇生和竞争三种拓扑更新规则,使网络拓扑结构随遗传算法的进化而动态演化,具体为:当遗传算法执行完交叉操作,按照偶生规则将新节点添加到网络中;当遗传算法执行完变异操作,依据奇生规则将新节点添加到网络中;当遗传算法执行完选择操作,按照竞争规则删除部分节点;/nS3,建立将种群多样性作为反馈信息,动态调整拓扑更新规则,使种群维持合适的多样性水平以利于全局搜索。/n
【技术特征摘要】
1.一种基于自调整动态网络的遗传算法设计方法,其特征在于:包括以下步骤:
S1,综合考虑节点的目标函数值在邻居节点中的排名以及邻居节点数,给出网络节点关键度定义;
S2,建立偶生、奇生和竞争三种拓扑更新规则,使网络拓扑结构随遗传算法的进化而动态演化,具体为:当遗传算法执行完交叉操作,按照偶生规则将新节点添加到网络中;当遗传算法执行完变异操作,依据奇生规则将新节点添加到网络中;当遗传算法执行完选择操作,按照竞争规则删除部分节点;
S3,建立将种群多样性作为反馈信息,动态调整拓扑更新规则,使种群维持合适的多样性水平以利于全局搜索。
2.根据权利要求1所述的一种基于自调整动态网络的遗传算法设计方法,其特征在于:S1中,网络节点关键度定义具体为:
式中,NNC代表网络节点关键度,Rank为网络节点在k个邻居中目标函数值的排名。
3.根据权利要求1所述的一种基于自调整动态网络的遗传算法设计方法,其特征在于:S2中,偶生规则具体步骤为:将新节点与原节点之间进行连边,原节点以一定概率将原有连边移接到新节点,原节点以一定概率删除原有连边。
4.根据权利要求1所述的一种基于自调整动态网络的遗传算法设计方法,其特征在于:S2中,奇生规则具体步骤为:首在新...
【专利技术属性】
技术研发人员:林金星,张涛,丁洁,申景金,肖敏,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。