峰度驱动的云进化策略.pdfVIP

第 25卷 第2期 模式识别与人工智能 Vol_25 No．2 2012年4月 PR AI Apr 2012 峰度驱动的云进化策略 何振峰 熊范纶 (福州大学 数学与计算机科学学院 福州350108) (中国科学院合肥智能机械研究所 智能信息中心 合肥 230031) 摘 要 为了从传统进化策略的角度分析并改进云进化策略，研究云分布的峰度统计量及其应用．云分布在固定 标准差时，也可通过调整峰度来改变噪声形状，可能产生更有效的变异．推导云分布峰度计算公式，以支持熵．超熵 空间和标准差一峰度空间的相互转换．比较峰度和峰比对云分布噪声的影响，证明峰度更适宜 自适应演化．给出峰 度驱动的云进化策略，它的参数演化结合基于1／5规则的标准差演化和 自适应峰度演化．对8个测试函数的实验 结果显示 ，高峰度利于全局寻优，低峰度利于局部寻优，而峰度的自适应调整可综合二者优势． 关键词 进化策略，云模型，峰度 ，参数演化 中图法分类号 TP181 CloudModelBasedEvolutionStrategyDrivenbyKurtosis HE Zhen．Feng ，XIONG Fan—Lun (CollegeofMathematicsandComputerScience，FuzhouUnive~ity，Fuzhou350108) (ResearchCenterofIntelligentInformationSystem，InstituteofIntelligentMachines， ChineseAcademyofSciences，Hefei230031) ABSTRACT TheCloudDistribution’Skurtosisstatisticanditsapplicationareconsideredtoanalyzeandimprove cloudmodelbasedevolutionstrategy (CMES)from theangleoftheclassicalevolutionstrateyg．By adjustingthekurtosis，theCloudDistributionwithafixedstandarddeviationchangestheshapeofnoise， whichmakesthemutationmoreeffective．Theformulaoftheclouddistribution’Skurtosisisderived， whichenablesthetransfomr ationbetween theentropy-·hyperentropy spaceand thestandraddeviation-· kurtosisspace．Theinfluencesofthekurtosisandthekurtosisratioontheclouddistributionnoisesrae comparedtoprovethathtekurtosisismoresuitableforself-adaptive．A kurtosisdriven CMES，whose parameterevolutioncombinesa1／5rulebasedstandarddeviation evolutionandaself-adaptivekurtosis evolution，ispresented．Th eexperimentalresultsof8testfunctionsshow thatahighkurtosisbenefits globaloptimization，alowkurt