基于拟蒙特卡罗方法的进化算法搜索鲁棒最优解的性能提高研究

• 作者: 朱云飞 罗彪 蔡自兴 郑金华
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 进化算法 鲁棒最优解 拟蒙特卡罗方法 有效目标函数
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 201-209
• 分类号: TP181
• 字数: 6061字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2011.02.007

摘要

鲁棒最优解在工程应用中具有十分重要的意义,它是进化计算的重要研究内容,也是研究难点.进化算法搜索鲁棒最优解时,通常使用蒙特卡罗积分(MCI)近似估计有效目标函数(EOF),但由于现有的原始蒙特卡罗方法(C-MC)近似精度不高,导致进化算法搜索鲁棒最优解的性能较差.文中提出用拟蒙特卡罗方法(Q-MC)估计有效目标函数.通过大量的数值实验,结果表明,与C-MC相比,文中所引人的Q-MC方法--SQRT序列、SOBOL序列和Korobov点阵能更精确估计EOF,进而较大提高进化算法搜索鲁棒最优解的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡自兴	中南大学信息科学与工程学院	393	7036	40.0	69.0
2	郑金华	湘潭大学信息工程学院	134	1464	20.0	31.0
3	朱云飞	中南大学信息科学与工程学院	10	40	3.0	6.0
7	罗彪	湘潭大学信息工程学院	15	172	9.0	13.0