遺傳算法是一種較好的最優(yōu)解搜索技術,如何獲得更加準確的遺傳算法并提高種群的多樣性能一直是研究的重點,本文對NSGA-Ⅱ多目標遺傳算法和GA單目標遺傳算法進行改進,提出了自適應多種群NSGA-Ⅱ多目標遺傳算法和IGA單目標遺傳算法,并采用IGA遺傳算法優(yōu)化MKLSSVM參數(shù),建立IGA-MKLSSVM的模型辨識算法。分別利用IGA-MKLSSVM算法和自適應多種群NSGA-Ⅱ遺傳算法對水泥篦冷機的關鍵參數(shù)進行模型建立和參數(shù)優(yōu)化。具體研究工作如下:首先,針對NSGA-Ⅱ遺傳算法搜索性能的局限性,提出一種AMP-NSGA2遺傳算法。該算法利用間斷平衡理論,構建多種群、多交叉算子操作方式,提高群體多樣性;根據子種群對EXS解集貢獻量的不同,采用Logistic模型,實現(xiàn)子種群的自適應調節(jié),同時結合局部搜索方法,提高遺傳算法的局部尋優(yōu)搜索能力,通過實驗仿真表明,本算法擁有較好的收斂性和尋優(yōu)能力,為篦冷機參數(shù)優(yōu)化提供算法基礎。其次,針對GA遺傳算法種群多樣性差,局部尋優(yōu)能力差等問題,提出IGA遺傳算法。該算法利用多種群、多交叉算子遺傳操作中對EXS解集的貢獻量確定算法求解優(yōu)化問題最具適應性的交叉算...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖2-1AMP-NSGA2遺傳算法流程圖

章提出一種自適應多種群NSGA-II遺傳算法-----AMP-NSGA2：利用間斷平建立多種群、多交叉算子的遺傳操作模式。根據子種群對最優(yōu)解集EXS的利用Logistic模型實現(xiàn)種群大小的自適應調節(jié)，結合局部尋優(yōu)策略，從兩個算法的尋優(yōu)性能，改善個體在帕累托解集的分布和....

圖2-2K-S正態(tài)分布檢驗

(1)正態(tài)分布檢驗：將AMP-NSGA2遺傳算法對ZDT1問題所求的100個GD數(shù)據通過單個樣本K-S檢驗方法進行正態(tài)分布檢驗，所得結果如圖2-2所示。圖2-2K-S正態(tài)分布檢驗由圖2-2可驗證此組數(shù)據符合正態(tài)分布，NSGA-II遺傳算法對ZDT1問題的G....

圖3-1IGA遺傳算法多種群操作過程

GA遺傳算法(IGA)。選用三階多項式核函數(shù)、指數(shù)型徑向基核函數(shù)函數(shù)3種核函數(shù)加權組合，構建等價核函數(shù)，建立多核最小二乘支。利用IGA優(yōu)化MKLSSVM參數(shù)，建立模型辨識算法。為篦冷機辨識算法。遺傳算法的構建GA遺傳算法存在的種群多樣性差、全局收斂性能差等缺點[....

圖3-2最優(yōu)解集區(qū)域劃分圖中：

第3章基于IGA-MKLSSVM的模型辨識算法研究MGA多種群遺傳操作，在提高算法局部尋優(yōu)能力的算子類型，并將其應用到下節(jié)的單種群遺傳算法中傳算法的建立度和運行時間，當EXS解集達到(1)精度時IG種群遺傳操作SGA（Single-popu....

本文編號：4004864