基于复杂网络理论的遗传算法研究

发布时间：2017-09-04 18:23

  本文关键词：基于复杂网络理论的遗传算法研究

  更多相关文章： 复杂网络 遗传算法 信息流网络 拓扑结构

【摘要】：自1998年的Watts和Strogatz提出“小世界”网络模型，1999年Barabàsi和Albert提出“无标度”网络演化模型以来，复杂网络的研究在实证分析、网络的演化模型、网络的动力学行为和复杂网络理论的应用这四个方面取得了惊人的进展。遗传算法是一种模仿生物进化过程的启发式搜索算法，从本质上看，，其研究对象是一个由众多个体组成的复杂自适应系统。随着复杂网络理论的发展人们开始研究基于复杂网络的遗传算法。由于遗传算法的种群结构直接影响优秀基因段的重组和传播，所以一些研究集中在遗传算法的种群结构上。 信息流网络描述了遗传算法中个体间实际的迭代拓扑，这为我们提供了一个新视角来研究遗传算法。通过对信息流网络的研究我们可以更好地理解遗传算法在不同操作控制下的特性。本文对信息流网络中节点度分布的进行了详细研究，包括幂律分布的标度指数的变化。本文旨在揭示遗传算法在不同操作下信息流网络的特性，并给出不同于先前研究者给出的解释。 我们根据经验分析了遗传算法中信息流网络的静态特性。实验结果显示，当至少有一些选择压力的时候，信息流网络中节点的度分布是无标度的，并且当度很小的时候度分布图会出现分支现象。增大交叉率，减小变异率或是减小选择压力将会增加节点的平均度，因此导致标度指数的减小。这些研究会对种群中基因物质的分布和结合的理解有所帮助，并有益于提高遗传算法的效率。
【关键词】：复杂网络 遗传算法 信息流网络 拓扑结构
【学位授予单位】：三峡大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O157.5;TP18
【目录】：

• 摘要4-5
• Abstract5-6
• 目录6-8
• 引言8-9
• 1 绪论9-13
• 1.1 课题科学意义和应用前景9-10
• 1.2 国内外研究现状10-13
• 2 复杂网络概述13-25
• 2.1 图的概念及表示方法13-14
• 2.2 复杂网络14-17
• 2.2.1 连接度(Degree)14-15
• 2.2.2 度分布函数(Degree Distribution)15
• 2.2.3 聚类系数(C/ustering Coefficient)15-16
• 2.2.4 特征路径长度(Characteristic Length)16-17
• 2.2.5 介数(Betweeness)17
• 2.3 复杂网络的统计性质17-23
• 2.3.1 规则网络17-18
• 2.3.2 随机网络18-20
• 2.3.3 小世界网络20-21
• 2.3.4 无标度网络模型21-23
• 2.4 复杂网络应用举例23-24
• 2.5 生活中我们对复杂网络的直观认识24-25
• 2.6 小结25
• 3 信息流网络模型搭建25-39
• 3.1 遗传算法基本原理26-28
• 3.2 遗传算法的理论基础28-29
• 3.2.1 模式定理28
• 3.2.2 积木块假设28-29
• 3.3 遗传算法特点及应用29-30
• 3.3.1 遗传算法的特点29-30
• 3.3.2 遗传算法的应用30
• 3.4 遗传算法下信息流网络的搭建30-39
• 3.4.1 问题编码30-31
• 3.4.2 初始种群设定31
• 3.4.3 适应值函数31-32
• 3.4.4 遗传算子分析32-35
• 3.4.5 信息流网络建模与输出35-39
• 3.4.6 信息流网络标度指数计算39
• 3.4.7 小结39
• 4 信息流网络拓扑结构特性分析39-49
• 4.1 最大似然法原理40-41
• 4.2 测试函数41-44
• 4.3 不同操作下信息流网络的静态特性分析44-49
• 4.3.1 IFNs的分支特性44-46
• 4.3.2 不同交叉率和变异率下的IFN46-48
• 4.3.3 选择压力和IFN48-49
• 5 总结49-50
• 中外文参考文献50-53
• 后记53-54
• 附录：攻读硕士学位期间发表的部分学术论著54

【参考文献】

中国期刊全文数据库 前9条

1 蔡泽祥;王星华;任晓娜;;复杂网络理论及其在电力系统中的应用研究综述[J];电网技术;2012年11期

2 张东晓;王静;范炜;王磊;;基于并行遗传算法的水电站群中期优化调度[J];电力自动化设备;2012年12期

3 侯建花,杨长青;一种求解TSP问题的并行遗传算法[J];计算机仿真;2005年02期

4 谢晓锋,张文俊,张国瑞,杨之廉;差异演化的实验研究[J];控制与决策;2004年01期

5 巩敦卫,孙晓燕;基于模式定理的遗传算法交叉和变异概率上限[J];控制与决策;2004年05期

6 李云强;余昭平;;遗传算法中重要模式及其性质[J];模式识别与人工智能;2006年01期

7 汪泓,韩文秀;关于Rastrigin函数的注记[J];青岛大学学报(自然科学版);1999年03期

8 倪庆剑;张志政;王蓁蓁;邢汉承;;一种基于可变多簇结构的动态概率粒子群优化算法[J];软件学报;2009年02期

9 王小良;李强;;并行遗传算法研究及其应用[J];微计算机信息;2007年09期

中国博士学位论文全文数据库 前1条

1 吴正平;复杂网络建模与一致性及在多移动智能体中的应用[D];华中科技大学;2007年

中国硕士学位论文全文数据库 前1条

1 周竞钰;基于复杂网络理论的电力系统连锁故障的研究[D];湖南大学;2011年

本文编号：793125