论文研究-一种基于Bayes方法的优化算法.pdf,  对实际问题而言 ,人们对于问题的解一般会有一个初步认识 ,并且这种认识会在搜索过程中逐渐加深或得到修正 ,这符合人们认识世界的普遍规律 .作者基于这一认识 ,提出了一种基于 Bayes方法的优化算法 ,从而较大地加快了算法的收敛速度.
82 系统工程理论与实践 2001年11月 把最好的孩子作为下一轮的父亲 这里,y1是最好的孩子的目标值;y2是对应的父亲的目标值;ρ是(0,1)之间的随机数 6)求下一轮每个父亲需产生的孩子的个数(详细过程由第二部分完成); 7)降温; 8)重复3)-7),直至可以接受的解产生或满足某种结束条件 第二部分求GESA算法的中需产生子代的个数 1)对每一家庭重复2)-5),所有家庭遍历后转6); 2)count=0 3)对正在进行的家庭的每一孩子重复4),对该家庭的所有孩子遍历后,转5); 4)如果该孩子的目标值高于它的父亲,则 coun t 反之,如果 count+ 这里,y是该孩子的目标值;y是至今所得到的最优目标值,ⅹ为相应的最优解;ρ是(0,1)之间的 随机数 5)该家庭可接受的数目置为 coun t; 6)把所有的家庭可接受的数目相加; 7)对每一个家庭可允许产生孩子的数目由下式决定 这里,D是该家庭可允许产生孩子的数目;T为所有家庭欲产生孩子的总数;S为6)所得的和 为了保证在全局寻优的情况下的重点搜索,可以设定,如果当前最优解连续若干次落入同一子空间, 可暂停修改分布,直到当前最优解出现在其它子空间为止 3仿真和结论 本文选择YpP.P.0给出的函数作为测试用例 f(x1,x2)=( )-cos(2071)cos(2072)+2 该函数在x1,x2∈[-10,10]内有40,000个极小值点,其中全局极小值点X=(0,0),最小值为fX) 1,次最小值为L0025 开始时c=…=∞0=25,选择20个父亲,每一代共产生200个孩子,一共运行了50次.收敛条件 为:当前最优解>-1.0025(此时即认为找到了最优解)或迭代次数超过1000Q 采用基于 Bayes方法的算法和GESA算法比较如表1,仿真结果说明了该算法的收敛速度优于GESA 算法 表 搜索到全局最优的次数N百分比N/50总的迭代次数 GEGA 38 76% 39718 基于 Bayes方法的算法 46 92% 11065 参考文献 [I]焦李成神经网络系统理论M↓西安:西安电子科技大学出版社,1990 (下转第128页) 2 C1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved 128 系统工程理论与实践 2001年11月 108559590679585089070508983040907808 0665608Q76518307666030681512 Q76709207986450715925 Y(t Q797501Q73758: 093843 Q791097<Y(t)<Q910188 从以上结果可知用户网络的平均可靠度上下界范围为[Q791097,Q910188}由文献可知, Sary, Sho gan与 G Thangam ani用不同的方法对大量的网络进行了测试,结果表明网络的精确可靠度接近于网 络的上界通常情况下可用下式表示为R(G)=子R(G)+3(G,则此基本网络系统的精确可靠度可由 上下界可靠度估计为α863698·此结果与精确算法结果α894123相比较,较为接近 参考文献 [1] Aggarw al, Rai k-tem inal re liability of hicrach ical network[j] ieee T rans on Reliability, 1994 40(2):527-536 [2] Rothen thal Overall re liab ility and reliability op tm izationj M icroelectin Reliability, 1997, 29 (5):206-209 [3]章国栋系统可靠性的分析与设计M}北京:北京航空航天出版社,1989 [4]赵玮系统仿真原理及应用M↓西安:西安电子科技大学出版社,1994 (上接第82页) [2] Aarts E, Korst J. Sm u lated A nnealing and Boltzm ann M ach ine M I New York: Wiley, 1989 [3 Bonom i E, Lutton J L. The N -city traveling sa lesm an p roblem, statistical m echan ics and the m tropo lis algo rithm[J I SIAM Review, 1984, 26(4): 551-56& [4 Davis L, R itter F. Schedu le op tm ization w ith p ro babilistic search [a I Proc 3rd IEEE Conf Art In tel[C],1987:231-236 [5 Bosenittk T, Ebeling W. Optim ization of NP-comp lete p rob lem s by bo lzm annD arw in strateg ies including life cycle[J l Em rophysics L ett, 1988, 6(2): 107-112 [6] YpPP, Pao Y H. Com b ina to rial op tim ization w ith use of gu ided evo lutionary sm ulated annealing [ IEEE Tran sacaton on Neural etwork, 1995, 6(2): 290-295 [7]方开泰,许建伦统计分布M↓北京:科学出版社,1987 o1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved