遗传算法、Bootstrap方法、Metropolis-Hastings算法在格点QCD数值拟合中的应用
本文选题：遗传算法 切入点：Bootstrap方法 出处：《郑州大学》2017年硕士论文
【摘要】：本文引入人工智能领域的遗传算法,对遗传算法应用于格点量子色动力学数据拟合的可行性进行了探索。采用bootstrap的方法进行标准差估计,改进了遗传算法不能给出误差范围的不足。提出最大密度68%误差估计方法,从概率密度的新视角看待68%的误差估计方法。提出外来物种入侵策略提高了并行遗传算法的计算效率。利用遗传算法对Metropolis Hastings算法进行预处理,缩短了Metropolis Hastings算法的预热过程。对人工模拟数据和实际数据进行拟合,并与格点量子色动力学领域通用拟合软件QMBF进行对比,验证了以上方法与思想。提出了适应度的延时计算可以提高遗传算法的并行规模,减少算法运行时间。提出了深度学习方法改进外来物种入侵策略的效率。
[Abstract]:In this paper, the feasibility of applying genetic algorithm to lattice quantum chromodynamics data fitting is explored by introducing genetic algorithm in artificial intelligence field. Standard deviation estimation is carried out by using bootstrap method. The method of estimating the maximum density of 68% error is proposed, which can not give the error range by the improved genetic algorithm. This paper discusses 68% error estimation method from a new perspective of probability density, and proposes alien species invasion strategy to improve the computational efficiency of parallel genetic algorithm. Genetic algorithm is used to preprocess Metropolis / Hastings algorithm. The preheating process of Metropolis Hastings algorithm is shortened. The artificial simulation data and the actual data are fitted and compared with the general fitting software QMBF in the field of lattice quantum chromatic dynamics. The above methods and ideas are verified. It is proposed that the delay computation of fitness can improve the parallel scale of genetic algorithm and reduce the running time of the algorithm, and the depth learning method is proposed to improve the efficiency of alien species invasion strategy.
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：O572.243;TP18
【相似文献】
相关期刊论文 前10条
1 张文修,梁怡;遗传算法的数学基础[J];西安交通大学学报;2000年10期
2 陈琨;张志明;;一种改进遗传算法的设计与实现[J];贵州大学学报(自然科学版);2006年01期
3 胡兰萍;黄海斌;;遗传算法及其在化学领域中的应用[J];海南师范学院学报(自然科学版);2006年03期
4 王珊珊;;遗传算法的理论基础及应用[J];科协论坛(下半月);2008年09期
5 高翔;海洋;;遗传算法应用[J];赤峰学院学报(自然科学版);2009年03期
6 刘定理;;遗传算法综述[J];中国西部科技;2009年25期
7 欧阳柏平;;基于遗传算法优化独立分量分析[J];科技信息;2010年07期
8 储育青;齐义飞;肖立顺;陈晖敏;石玉文;;遗传算法研究概述[J];科技风;2010年09期
9 曾瑛;;遗传算法在优化求解中的应用[J];科技创业月刊;2012年10期
10 丁承民,张传生,刘辉;遗传算法纵横谈[J];信息与控制;1997年01期
相关会议论文 前10条
1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年
3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年
4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年
5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年
6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年
9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年
10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年
相关重要报纸文章 前2条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
2 李国震;东风汽车召开首次QCD改善成果发布会[N];中国汽车报;2005年
相关博士学位论文 前10条
1 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年
2 李险峰;基于改进遗传算法的汽车装配生产线平衡问题研究[D];北京科技大学;2017年
3 孙秋红;基于遗传算法的水质数据挖掘与应用研究[D];燕山大学;2016年
4 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年
5 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年
6 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年
7 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年
8 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年
9 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年
10 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年
相关硕士学位论文 前10条
1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年
2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年
3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年
4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年
5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年
6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年
7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年
8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年
9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年
10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年
，本文编号：1672502
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/1672502.html
