计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2014年
12期
3543-3545,3583
,共4页
遗传算法%种群%局部搜索%收敛性%MUSIC谱
遺傳算法%種群%跼部搜索%收斂性%MUSIC譜
유전산법%충군%국부수색%수렴성%MUSIC보
genetic algorithms(GA)%population%local search%astringency%MUSIC spectrum
传统MUSIC算法的谱峰搜索过程中计算量较大,导致其实时性较差.为了改善这一缺陷,将蜜蜂种群繁殖进化的过程进行抽象化,提出一种基于种群优化的遗传算法(IPGA),并将其与MUSIC谱峰搜索相结合.该算法中,种群的最优个体作为蜂王与被选中的个体以一定概率进行交叉操作,从而增强了对种群最优个体所包含信息的开采能力;同时,为了避免过早收敛,算法在种群次优解周围进行局部搜索,引入新的个体,增加种群个体的多样性;使用分阶段调整的策略对种群规模进行动态调控.由于种群规模的渐进式变化,不但保证了种群的多样性,同时提高了算法克服未成熟收敛的能力.通过实验数据可以证明该方法具有很好的全局搜索能力,可以对多个目标进行搜索.同时,通过计算量的分析,证明与传统方法相比,该算法通过极大地降低计算量而获得了较好的实时性.
傳統MUSIC算法的譜峰搜索過程中計算量較大,導緻其實時性較差.為瞭改善這一缺陷,將蜜蜂種群繁殖進化的過程進行抽象化,提齣一種基于種群優化的遺傳算法(IPGA),併將其與MUSIC譜峰搜索相結閤.該算法中,種群的最優箇體作為蜂王與被選中的箇體以一定概率進行交扠操作,從而增彊瞭對種群最優箇體所包含信息的開採能力;同時,為瞭避免過早收斂,算法在種群次優解週圍進行跼部搜索,引入新的箇體,增加種群箇體的多樣性;使用分階段調整的策略對種群規模進行動態調控.由于種群規模的漸進式變化,不但保證瞭種群的多樣性,同時提高瞭算法剋服未成熟收斂的能力.通過實驗數據可以證明該方法具有很好的全跼搜索能力,可以對多箇目標進行搜索.同時,通過計算量的分析,證明與傳統方法相比,該算法通過極大地降低計算量而穫得瞭較好的實時性.
전통MUSIC산법적보봉수색과정중계산량교대,도치기실시성교차.위료개선저일결함,장밀봉충군번식진화적과정진행추상화,제출일충기우충군우화적유전산법(IPGA),병장기여MUSIC보봉수색상결합.해산법중,충군적최우개체작위봉왕여피선중적개체이일정개솔진행교차조작,종이증강료대충군최우개체소포함신식적개채능력;동시,위료피면과조수렴,산법재충군차우해주위진행국부수색,인입신적개체,증가충군개체적다양성;사용분계단조정적책략대충군규모진행동태조공.유우충군규모적점진식변화,불단보증료충군적다양성,동시제고료산법극복미성숙수렴적능력.통과실험수거가이증명해방법구유흔호적전국수색능력,가이대다개목표진행수색.동시,통과계산량적분석,증명여전통방법상비,해산법통과겁대지강저계산량이획득료교호적실시성.