两种生物进化算法的膜计算模型研究

发布时间：2023-04-29 19:12

　　近年来,随着人工智能技术的发展,需要处理的问题规模越来越大。然而,电子计算机模型计算能力的发展速度正在逐渐放慢,使得人工智能技术在求解大规模问题时遇到的计算能力方面的困难越来越突出。为了打破这一限制,越来越多的科学家开始寻找新的拥有更加强大的计算能力的计算模型。受到自然界信息处理机制的启发,具有天然的分布式并行计算特性的自然计算就是其中之一。膜计算,作为自然计算的新分支,是由罗马尼亚科学院院士P?un教授提出的分布式并行计算框架。它已受到越来越多研究者的关注,其相关思想已经被广泛应用在了组合优化、经济学、计算机图形学和语言学等领域。膜计算,也被称为P系统,其相关研究主要包括计算模型研究和P系统设计两个方面。其中,在计算模型研究方面研究者们已经提出了类细胞P系统,类组织P系统和类神经P系统三种基本计算模型。在P系统设计方面,研究者们也已经针对众多领域的问题设计出了一系列P系统,包括处理经济学领域问题的数值P系统,实现基本算术运算的算术运算P系统,以及求解各种NP难问题的P系统等等。在以往的研究中,有很多研究者在设计的P系统中使用了遗传算法,蚁群算法等进化算法,但是这些算法在以往的P系统中...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 引言
    1.2 国内外研究现状综述
    1.3 研究的目的及意义
    1.4 本文组织结构
2 研究理论基础介绍
    2.1 膜计算基础
        2.1.1 膜计算简介
        2.1.2 膜计算模型
    2.2 遗传算法基础
        2.2.1 遗传算法简介
        2.2.2 遗传算法流程
        2.2.3 并行遗传算法
    2.3 蚁群算法基础
        2.3.1 蚁群算法简介
        2.3.2 蚁群算法计算流程
        2.3.3 并行蚁群算法
    2.4 本章小结
3 遗传P系统的设计
    3.1 遗传P系统的定义
    3.2 遗传P系统计算流程
    3.3 遗传P系统规则设计
        3.3.1 操作选择规则
        3.3.2 变异算子规则
        3.3.3 交叉算子规则
        3.3.4 选择算子规则
        3.3.5 输出规则
    3.4 遗传P系统性能分析
        3.4.1 Ⅱ_GA时间复杂度分析
        3.4.2 Ⅱ_GA并行性分析
    3.5 实例与仿真
        3.5.1 Ⅱ_GA实例
        3.5.2 Ⅱ_GA仿真
    3.6 本章小结
4 蚁群P系统的设计
    4.1 蚁群P系统的定义
    4.2 蚁群P系统计算流程
    4.3 蚁群P系统规则设计
        4.3.1 选择初始节点规则
        4.3.2 选择下一节点规则
        4.3.3 局部更新规则
        4.3.4 全局更新规则
        4.3.5 输出规则
    4.4 蚁群P系统性能分析
        4.4.1 时间复杂度分析
        4.4.2 并行性分析
    4.5 实例与仿真
        4.5.1 Ⅱ_ACS实例
        4.5.2 Ⅱ_ACS仿真
    4.6 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
附录
    A.Ⅱ_GA物质对象符号说明
    B.Ⅱ_GA各膜中规则
    C.Ⅱ_ACS物质对象符号说明
    D.Ⅱ_ACS各膜中规则
    E.作者在攻读学位期间发表论文目录
    F.作者在攻读学位期间取得科研成果目录



本文编号：3805577