分布估计算法研究及在动态优化问题中的应用

作者：武燕

来源：其他, 2009.

• 分布估计算法
• Bayesian优化算法
• 基于群体的增量学习算法
• 单变量边缘分布算法
• 正则分布估计算法
• 收敛性
• 动态优化
• 多群体 Estimation of distribution algorithm
• Bayesian optimization algorithm
• Population-based incremental learning
• Univariate marginal distribution algorithm
• Regularity modal-based estimation of distribution algorithm
• convergence
• dynamic optimization
• multi-population

分布估计算法(EDAs)通过将统计学习理论与进化算法结合,形成一种全新的进化模式,是进化计算领域的研究热点。分布估计算法从提出到现在虽然取得了一定的进展,但是还有很多问题需要深入研究,例如理论分析、算法设计、应用研究等。本文以分布估计算法为基础,根据算法的类型和特点,主要从算法性能的改进以及在动态优化问题中的应用两个方面进行了研究,主要创新成果如下: 1.研究了分布估计算法的收敛性,首先通过在期望分布基础上引入一个误差量,建立有限群体分布估计算法模型;然后在三种不同的常用选择策略下证明了EDAs的收敛性。结果显示在有限群体模型下,在本文所述误差范围内分布估计算法具有全局收...