基于状态空间模型进化算法的全局收敛性分析

doi:10.11772/j.issn.1001-9081.2014.10.2816

计算机应用 ›› 2014, Vol. 34 ›› Issue (10): 2816-2819.DOI: 10.11772/j.issn.1001-9081.2014.10.2816

基于状态空间模型进化算法的全局收敛性分析

王鼎湘,李茂军,李雪,成立

长沙理工大学电气与信息工程学院，长沙 410004

收稿日期:2014-05-06 修回日期:2014-06-11 出版日期:2014-10-01 发布日期:2014-10-30
通讯作者: 李茂军
作者简介:王鼎湘（1991-），男，湖南长沙人，硕士研究生，主要研究方向：智能计算、图像处理；
李茂军（1964-），男，湖南长沙人，教授，博士，主要研究方向：智能计算；
李雪（1989-），女，湖南岳阳人，硕士研究生，主要研究方向：智能计算；
成立（1989-），男，湖南株洲人，硕士研究生，主要研究方向：智能计算。
基金资助:
国家自然科学基金资助项目

Global convergence analysis of evolutionary algorithm based on state-space model

WANG Dingxiang,LI Maojun,LI Xue,CHENG Li

College of Electrical and Information Engineering, Changsha University of Science and Technology, Changsha Hunan 410004, China

Received:2014-05-06 Revised:2014-06-11 Online:2014-10-01 Published:2014-10-30
Contact: LI Maojun

摘要/Abstract

摘要：

基于状态空间模型进化算法(SEA)是一种新颖的实数编码进化算法，在工程优化问题中具有广阔的应用前景。为了完善SEA的理论体系，促进SEA在工程优化问题中的应用研究，利用齐次有限Markov链对SEA的全局收敛性进行分析，证明了SEA不是全局收敛的。通过限定SEA状态进化矩阵内元素的取值范围，同时引入弹力搜索得到改进型弹力状态空间模型进化算法（MESEA）。分析结果表明，弹力搜索能提高SEA的搜索效率。最后得到了MESEA全局收敛的结论，为算法在工程优化问题中的应用提供了理论依据。

Abstract:

Evolutionary Algorithm based on State-space model (SEA) is a new evolutionary algorithm using real strings, and it has broad application prospects in engineering optimization problems. Global convergence of SEA was analyzed by homogeneous finite Markov chain to improve the theoretical system of SEA and promote the application research in engineering optimization problems of SEA. It was proved that SEA is not global convergent. Modified Elastic Evolutionary Algorithm based on State-space model (MESEA) was presented by limiting the value ranges of elements in state evolution matrix of SEA and introducing the elastic search. The analytical results show that search efficiency of SEA can be enhanced by introducing elastic search. The conclusion that MESEA is global convergent is drawn, and it provides theory basis for the application of algorithm in engineering optimization problems.

中图分类号:

TP301.6

王鼎湘李茂军李雪成立. 基于状态空间模型进化算法的全局收敛性分析[J]. 计算机应用, 2014, 34(10): 2816-2819.

WANG Dingxiang LI Maojun LI Xue CHENG Li. Global convergence analysis of evolutionary algorithm based on state-space model[J]. Journal of Computer Applications, 2014, 34(10): 2816-2819.

参考文献

［1］KIM B M. A study on the convergence of genetic algorithms［J］. Computers and Industrial Engineering, 1997,33(3):581-588.
［2］HE J, KANG L, CHEN Y. Convergence of genetic evolution algorithms for optimization ［J］. Parallel Algorithms and Applications, 1995,4(1):37-56.［3］RIGAL L, TRUFFET L. A new genetic algorithm specifically based on mutation and selection ［J］. Advances in Applied Probability, 2007,39(1):141-161.
［4］ZHENG J, LYU H, WU J, et al.Convergence analysis of genetic algorithm based on space mating ［J］. Pattern Recognition and Artificial Intelligence, 2010,23(5):639-645.（郑金华,吕卉,伍军，等. 基于空间交配遗传算法的收敛性分析［J］. 模式识别与人工智能,2010,23(5):639-645.）
［5］LI M, TONG T. A partheno genetic algorithm and analysis on its global convergence ［J］. Acta Automatica Sinica, 1999,25(1):68-72.（李茂军,童调生. 单亲遗传算法及其全局收敛性分析［J］.自动化学报,1999,25(1):68-72.）
［6］FU H, LI M. Bionic algorithm based on state-space model with application in bidding for power market ［J］. Computing Technology and Automation, 2009,28(2):81-84.（付宏艳，李茂军. 基于状态空间模型的仿生算法在电力市场竞价中的应用［J］.计算技术与自动化,2009,28(2)：81-84.）
［7］MAO Y. Multi-objective reactive power optimization based on bionic algorithm with state-space model ［D］. Changsha: Changsha University of Science and Technology, 2009.（毛盈旎. 基于状态空间模型仿生算法的多目标无功优化［D］. 长沙：长沙理工大学，2009.）
［8］LIN D, LI M, KOU J. On the convergence of real-coded genetic algorithms ［J］. Journal of Computer Research and Development, 2000,37(11):1321-1327.（林丹,李敏强,寇纪凇. 基于实数编码的遗传算法的收敛性研究［J］. 计算机研究与发展,2000,37(11):1321-1327.）
［9］ZHANG B, ZHANG J. Applied stochastic processes ［M］. Beijing: Tsinghua University Press, 2006.（张波, 张景肖. 应用随机过程［M］.北京：清华大学出版社，2006.）
［10］QU Z, LIU S. Convergence analysis means of simple genetic algorithm ［J］. Journal of Harbin University of Science and Technology, 2003,8(1):42-45.（曲中水,刘淑兰.基本遗传算法的收敛性分析方法［J］.哈尔滨理工大学学报,2003,8(1):42-45.）
［11］YUN W, XI Y. The analysis of global convergence and computational efficiency for genetic algorithm ［J］. Control Theory and Applications, 1996,13(4):455-460.（挥为民，席裕庚. 遗传算法的全局收敛性和计算效率分析［J］. 控制理论与应用,1996,13(4):455-460.）

[1]	肖智豪胡志华朱琳. 求解冷链物流时间依赖型车辆路径问题的混合自适应大邻域搜索算法[J]. 计算机应用, 0, (): 0-0.
[2]	沙林秀，聂凡，高倩，孟号. 基于布朗运动与梯度信息的交替优化算法[J]. 计算机应用, 0, (): 0-0.
[3]	董永峰孙跃华高立超韩鹏季海鹏. 基于改进一维卷积和双向长短期记忆神经网络的故障诊断方法[J]. 计算机应用, 0, (): 0-0.
[4]	李大海刘庆腾艾志刚王振东. 基于动态D向分割和混沌扰动的阴阳对算法[J]. 计算机应用, 0, (): 0-0.
[5]	雷鹰郑万波魏嵬夏云霓李晓波刘诚武谢洪. 基于概率性能感知演化博弈策略的混合“云+边”环境中任务卸载方法 [J]. 计算机应用, 0, (): 0-0.
[6]	乔钢柱王瑞孙超利. 基于分解的高维多目标改进进化算法[J]. 计算机应用, 0, (): 0-0.
[7]	朱诚潘旭华张勇. 基于趋化校正的哈里斯鹰优化算法[J]. 计算机应用, 0, (): 0-0.
[8]	平凡汤小春潘彦宇李战怀. 不规则任务在图形处理器集群上的调度策略[J]. 计算机应用, 0, (): 0-0.
[9]	杨杰张名扬芮晓彬王志晓. 融合节点覆盖范围和结构洞的影响力最大化算法[J]. 计算机应用, 0, (): 0-0.
[10]	汤安迪, 韩统, 徐登武, 谢磊. 混沌精英哈里斯鹰优化算法[J]. 计算机应用, 2021, 41(8): 2265-2272.
[11]	李蒙蒙, 秦伟, 刘艺, 刁兴春. 结合头脑风暴优化的混合蚁群优化算法[J]. 计算机应用, 2021, 41(8): 2412-2417.
[12]	张闻强, 邢征, 杨卫东. 基于多区域采样策略的混合粒子群优化求解多目标柔性作业车间调度问题[J]. 计算机应用, 2021, 41(8): 2249-2257.
[13]	张祥飞, 鲁宇明, 张平生. 基于协同进化的约束多目标优化算法[J]. 计算机应用, 2021, 41(7): 2012-2018.
[14]	张萌, 李维华. 用户互动表示下的影响力最大化算法[J]. 计算机应用, 2021, 41(7): 1964-1969.
[15]	王宇, 刘燕丽, 陈劭武. 基于顶点冲突学习的最大公共子图算法[J]. 计算机应用, 2021, 41(6): 1756-1760.

基于状态空间模型进化算法的全局收敛性分析

Global convergence analysis of evolutionary algorithm based on state-space model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics