中南大学学报（自然科学版）
中南大學學報（自然科學版）
중남대학학보（자연과학판）
JOURNAL OF CENTRAL SOUTH UNIVERSITY
2005年
3期
475-480
,共6页
进化机器人%竞争性协进化%遗传算法%神经网络%连接权
進化機器人%競爭性協進化%遺傳算法%神經網絡%連接權
진화궤기인%경쟁성협진화%유전산법%신경망락%련접권
将基于复数编码的遗传算法引入竞争性协进化的理论研究中,提出一种竞争性协进化的新策略,即:在仿真实验中,采用2个基于神经网络结构控制的移动机器人,并将它们投入到一个陌生的环境中.其中,一个机器人扮演猎手,另一个扮演猎物,猎手对猎物进行捕捉,最终得到每一代的最好猎手机器人和最好猎物机器人以及它们的适应度曲线.在这个竞争性协进化系统中,基于复数编码的遗传算法主要用于对机器人控制系统的神经网络进行进化.计算机仿真结果表明,与基本遗传算法相比,基于复数编码的遗传算法具有更强的进化能力.
將基于複數編碼的遺傳算法引入競爭性協進化的理論研究中,提齣一種競爭性協進化的新策略,即:在倣真實驗中,採用2箇基于神經網絡結構控製的移動機器人,併將它們投入到一箇陌生的環境中.其中,一箇機器人扮縯獵手,另一箇扮縯獵物,獵手對獵物進行捕捉,最終得到每一代的最好獵手機器人和最好獵物機器人以及它們的適應度麯線.在這箇競爭性協進化繫統中,基于複數編碼的遺傳算法主要用于對機器人控製繫統的神經網絡進行進化.計算機倣真結果錶明,與基本遺傳算法相比,基于複數編碼的遺傳算法具有更彊的進化能力.
장기우복수편마적유전산법인입경쟁성협진화적이론연구중,제출일충경쟁성협진화적신책략,즉:재방진실험중,채용2개기우신경망락결구공제적이동궤기인,병장타문투입도일개맥생적배경중.기중,일개궤기인분연작수,령일개분연작물,작수대작물진행포착,최종득도매일대적최호작수궤기인화최호작물궤기인이급타문적괄응도곡선.재저개경쟁성협진화계통중,기우복수편마적유전산법주요용우대궤기인공제계통적신경망락진행진화.계산궤방진결과표명,여기본유전산법상비,기우복수편마적유전산법구유경강적진화능력.
