进化算法

三 .思维进化算法的特点
与遗传算法相比，思维进化算法具有许多自身特点： • 把群体划分为优胜子群体和临时子群体，在此基础上定义 的趋同和异化操作分别进行探测和开发，这两个功能相互 协调且保持一定的独立性，便于分辨提高效率，任意方面 的改进都对提供算法的整体搜索效率有利。 • MEA可以记忆不止一代的进化信息（因为张贴在公告板上 ），这些信息可以指导趋同与异化朝着有力的方向进行。 • 结构上固有的并行性。 • 遗传算法中的交叉与变异算子均具有双重性，也可能破坏 原有的基因，而MEA中的趋同和异化操作可以避免这个问 题。
子群体 优胜子群 体 临时子群 体
记录全局竞争 中优胜者的信 息
记录全局竞争 的过程
1.2 公告板
• 公告板相当于一个信息平台，为个体之间和子群体之间的 信息交流提供了机会。公告板记录三个有效信息：个体或 子群体序号、动作和得分。利用个体或子群体的序号，可 以方便的区分不同个体或子群体；动作的描述根据研究领 域不同而不同，例如用思维进化如何优化参数的问题，那 么动作记录的就是个体和子群体的具体位置；得分是环境 对个体动作的评价，在利用思维进化算法优化过程中，只 有时刻记录每个个体和子群体的得分，才能快速地找到优 化的个体和子群体。子群体内的个体在局部公告板张贴各 自的信息，全局公告板用于张贴各子群体的信息。
确定BP神经网络拓扑 结构
产生初始种群、优 胜子种群、临时子 种群 子种群趋同操作 子种群异化操作
获取最优 权值/阈值
训练BP神经网络
满足结束 条件？ 是 输出最有个体
否
仿真预测
具体实施
• 由于找工作的原因，进度较慢 • 下面的就是进行程序的编写，实现其相应的功能
环境
全局公告板 子群体G2 子群体G3
子群体G1
局部公告板
子群体 GN
个体N1 个体N2 个体N3 来自百度文库征提取
1.1 群体和子群体
• 思维进化算法（MEA）是 一种通过迭代进化的学习 方法，进化过程的每一代 中的所有个体的集合成为 一个群体。一个群体分为 若干个子群体。 • 子群体包括2类：优胜子 群体和临时子群体。优胜 子群体记录全局竞争中的 优胜者的信息，临时子群 体记录全局竞争的过程
• 与传统方法对比，进化算法的特点是群体搜索。进化算法 已经被成功的应用于解决复杂的组合优化问题、图像处理 、人工智能、机器学习等领域。但是进化算法存在的问题 和缺陷也不能忽视，如早熟、收敛速度慢等。
思维进化算法系统结构图
思维进化算法沿袭了遗传算法的一些基本概念，如“群 体”、“个体”、“环境”等，其系统结构图如下：
四. 模型的建立
• 4.1 设计思路 利用思维进化算法对BP神经网络的初始权值和阈值进行优化 • 首先，根据BP神经网络的拓扑结构，将解空间映射到编 码空间，每个编码空间对应问题的一个解（即个体）。 • 然后，选取训练集的均方误差的倒数作为各个个体与种群 的得分函数，利用思维进化算法，经过不断迭代，输出最 优个体，并以此作为初始权值和阈值，训练BP神经网络 。
1.3 趋同（similartaxis）
• 定义1 :在子群体范围内，个体成为胜者而竞争的过程叫做 趋同。 • 定义2 :一个子群体在趋同过程中，若不再产生新的胜者， 则称该子群体已经成熟。当子群体成熟时，该子群体的趋 同过程结束时。子群体从诞生到成熟的期间叫做生命周期 。
1.4 异化(dissimilation)
模型的建立思路
引言
• 随着计算机科学的发展，人们借助适者生存这一进化规则 ，将计算机科学和生物进化结合起来，逐步发展形成一类 启发式随机搜索算法，这类算法被称为进化算法（ Evolutionary Computation,EC）。 • 最著名的进化算法有：遗传算法，进化策略，进化规划。
一 .思维进化算法介绍
思维进化算法简介
这个月的进展状况汇报
一．基本了解了思维进化算法的原理，基本思路是在BP神经网络的基础 上加入算法进行改进已获得更好的预测效果 一．由于找工作，大部分时间花在找工作在 二．温习和找工作相关的知识
思维进化算法
WWW.1PPT.COM
1
思维进化算法介绍
2
3 4
思维进化算法基本思路
思维进化算法的特点
二 . 思维进化算法的基本思路
在解空间内随机生成一定规模的个体，根据得分（对应于 遗传算法中的适应度函数值，表征个体对环境的适应能力 ）搜索出得分最高的若干个优胜个体和临时个体。 分别以这些优胜个体和临时个体为中心，在每个个体的周 围产生一个新的个体，从而得到若干个优胜子群体和临时 子群体。 在各个子群体内部执行趋同操作，直至该子群体中最优个 体（即中心）的得分作为该子群体的得分。 子群体成熟后，将各个子群体的得分在全局公告板上张贴 ，子群体之间执行异化操作，完成优胜子群体与临时子群 体间的替换、废弃、子群体中个体释放的过程，从而计算 全局最优个体及其得分。 值得一提的是，异化操作完成后，需要在解空间内产 生新的临时子群体，以保证临时子群体的个数保持不变。
• 定义3 :在整个解空间中，各子群体为成为胜者而竞争，不 断地探测解空间中新的点，这个过程叫做异化。 • 异化有两个含义： 各个子群体进行全局竞争，若一个临时子群体的得分高于 某个成熟的优胜子群体的得分，则该优胜子群体被获胜的 临时子群体替代，原优胜子群体的个体被释放；若一个成 熟的临时子群体的得分低于任意一个优胜子群体的得分， 则该临时子群体被废弃，其中的个体被释放。 被释放的个体在全局范围内重新进行搜索并形成新的临时 群体。
4.2 设计步骤 6 训练BP神经网络 将优化得到的权值和阈值作为BP神经网络的初始权值 和阈值，并利用训练样本对BP神经网络进行训练，学习 。 7 仿真预测、结果分析 与传统BP神经网络相同没训练完成后，便可输入测试集 样本，进行仿真预测，并可以进行结果你分析和讨论。
设计步骤流程图
产生训练集/测试集 思维进化算法参数 设置
4.2 设计步骤 3 子种群趋同操作 优胜子种群和临时子种群产生后，各个子种群首先需要 执行趋同操作，利用种群成熟判别函数ismature（），可 以方便地判断各个子种群趋同操作是否完成 4 子种群异化操作 各个优胜子群体和临时子群体趋同操作完成后，便可以 执行异化操作，并根据异化操作的结果，补充新的子群体 。 5 解析最优个体 当满足迭代停止条件时，思维进化算法结束优化过程。 此时，根据编码规则，对寻找到的最有个体进行解析，从 而得到对应的BP神经网络的权值和阈值。
4.2 设计步骤 1 训练集/测试集产生 与传统前馈神经网络相同，为了使得建立的模型具有良好 的泛化功能，要求具有足够多的训练样本且具有较好的代 表性。 2 初始种群的产生 利用初始种群产生函数initpop_generate()，可以方便地产 生初始种群。利用子种群产生函数subpop_generate()， 可以方便地产生优胜子种群和临时子种群。具体函数产生 方法原理还在研究中。