資源描述：
《貝葉斯預(yù)測(cè)型進(jìn)化算法-論文.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第37卷第8期計(jì)算機(jī)學(xué)報(bào)Vol_37No．82014年8月CHINESEJOURNALOFCOMPUTERSAug．2014貝葉斯預(yù)測(cè)型進(jìn)化算法姜允志”。郝志峰“張宇山。黃翰王映龍”何火嬌””(江西農(nóng)業(yè)大學(xué)軟件學(xué)院南昌330045)(華南理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院廣州510006)(悉尼科技大學(xué)量子計(jì)算與智能系統(tǒng)中心高級(jí)分析研究所悉尼澳大利亞2007)(廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院廣州510006)(廣東商學(xué)院數(shù)學(xué)與計(jì)算科學(xué)學(xué)院廣州510320)(華南理工大學(xué)軟件學(xué)院廣州510006)摘要提出了一種新型進(jìn)化算法
2、即貝葉斯預(yù)測(cè)型進(jìn)化算法，該算法是有效解決遺傳算法中的連鎖和欺騙問題的一種新方法，其主要特點(diǎn)是：(1)該算法基于最優(yōu)解的概率分布和貝葉斯定理預(yù)測(cè)最優(yōu)解所在的子空間；(2)該算法能高效利用所有先前代蘊(yùn)含的信息，可以方便地引入專家知識(shí)；(3)該算法模型比較簡(jiǎn)單并且能以很快的速率收斂到最優(yōu)解子空間．從理論上分析了貝葉斯預(yù)測(cè)型進(jìn)化算法的收斂性、收斂速率和逆收斂算子．理論分析與在14個(gè)標(biāo)準(zhǔn)的測(cè)試函數(shù)上的仿真實(shí)驗(yàn)顯示了該算法求解較為精確、穩(wěn)定和快速．關(guān)鍵詞貝葉斯定理；逆收斂算子；進(jìn)化算法；遺傳算法；分布估算算法中圖法分類
3、號(hào)TP18DOI號(hào)10．3724／SP．J．1016．2014．01846BayesianForecastingEvolutionaryAlgorithmJIANGYun-Zhi，，HAOZhi—Feng?！?，ZHANGYu—Shan2)，HUANGHan。WANGYing—LongHEHuo—Jiao¨”(SchoolofSoftware，JiangxiAgriculturalUniversity，Nanchang330045)’(SchoolofComputerScienceandEngineering
4、，SouthChinaUniversityofTechnology，Guangzhou510006)”(AdvancedAnalyticsInstitute，CentreforQuantumComputationandIntelligentSystems。UniversityofTechnologySydney，Sydney，Australia，NSw2007)(FacultyofComputer，GuangdongUniversityofTechnology，Guangzhou510006)(School
5、ofMathematicsandComputationalScience，GuangdongUniversityofBusinessStudies，Guangzhou510320)(SchoolofSoftzoareEngineering，SouthChinaUniversityofTechnology，Guangzhou510006)AbstractBayesianForecastingEvolutionaryAlgorithm(denotedbyBFEA)，integratingwiththebasic
6、principleofevolutionarycomputation，isproposedinthispaper，whichisanewtechniquetosolvelinkageproblemanddeceptiveproblemeffectively．Themainworksandinnovativepointsareasfollows：(1)BFEA，basedontheprobabilitydistributionofpromisingsolutionsandBayesiantheorem，gui
7、destheexplorationofthesearchspaceaccordingtothepredictionprobabilityofeverysubspaceincludingtheoptimalsolutions；(2)Muchmoreinformationinthegeneratedpopulationsisusedandpriorinformationisincorporatedintothealgorithmeasily；(3)Thisalgorithmhasasimpleralgorith
8、mmodelandcanconvergefastertothesubspaceswiththeoptimalsolutions．Theconvergence，收稿日期：2012—03—31；最終修改稿收到日期：2014—04—28．本課題得到國(guó)家自然科學(xué)基金(61363041，61070033)、廣東省科技計(jì)劃項(xiàng)目(2010B050400011，201oBo8o7O1O7O)及江西省自然科學(xué)基金(20132BAB
