| 查看: 648 | 回复: 1 | |||
| 当前主题已经存档。 | |||
[交流]
遗传算法的研究方向－－作点参考
|
|||
|
遗传算法的研究方向 遗传算法是多学科结合与渗透的产物,已经发展成一种自组织、 自适应的综合技术,广泛应用在计算机科学、工程技术和社会科学等 领域。其研究工作主要集中在以下几个方面 1.基础理论 包括进一步发展遗传算法的数学基础,从理论和试验研究它们的 计算复杂性。在遗传算法中,群体规模和遗传算子的控制参数的选取 非常困难,但它们又是必不可少的试验参数。在这方面,已有一些具有 指导性的试验结果。遗传算法还有一个过早收敛的问题,怎样阻止过 早收敛也是人们正在研究的问题之一。 2.分布并行遗传算法 遗传算法在操作上具有高度的并行性,许多研究人员都在探索在 并行机和分布式系统上高效执行遗传算法的策略。对分布并行遗传算 法的研究表明,只要通过保持多个群体和恰当控制群体间的相互作用 来模拟并行执行过程,即使不使用并行计算机,也能提高算法的执行效 率。 3.分类系统 分类系统属于基于遗传算法的机器学习中的一类,包括一个简单 的基于串规则的并行生成子系统、规则评价子系统和遗传算法子系统 。分类系统被人们越来越多地应用在科学、工程和经济领域中,是目 前遗传算法研究中一个十分活跃的领域。 4.遗传神经网络 包括连接权、网络结构和学习规则的进化。遗传算法与神经网络 相结合,正成功地用于从时间序列分析来进行财政预算。在这些系统 中,训练信号是模糊的,数据是有噪声的,一般很难正确给出每个执行 的定量评价。如果采用遗传算法来学习,就能克服这些困难,显著提高 系统性能。Muhlenbein分析了多层感知机网络的局限性,并猜想下一 代神经网络将是遗传神经网络。 5.进化算法 模拟自然进化过程可以产生鲁棒的计算机算法--进化算法。遗 传算法是其三种典型的算法之一,其余两种算法是进化规划(Evolutio nary Programming,EP)和进化策略(Evolutio nary Strategies,ES) 。这三种算法是彼此独立地发展起来的。进化规划最早由美国的L.J. Fogel、A.J.Owens和M.J.Walsh提出;进化策略则由德国的I.Rechenb erg和H.P.Schwefel建立。 [ Last edited by 幻影无痕 on 2006-10-3 at 14:03 ] |
回复此楼» 猜你喜欢
材料学求调剂
已经有6人回复
-
303求调剂
已经有5人回复
-
一志愿武理085500机械专业总分300求调剂
已经有7人回复
-
考研调剂
已经有4人回复
-
281求调剂
已经有4人回复
-
0805 316求调剂
已经有6人回复
-
085601求调剂总分293英一数二
已经有3人回复
-
08工学调剂
已经有17人回复
-
340求调剂
已经有4人回复
-
311求调剂
已经有3人回复
yuefour
金虫 (正式写手)
- 应助: 0 (幼儿园)
- 贵宾: 9.5
- 金币: 1310.7
- 帖子: 838
- 在线: 17小时
- 虫号: 64621
- 注册: 2005-04-16
- 性别: GG
- 专业: 中医内科
2楼2005-06-21 13:29:32
