共 1 条
浮点遗传算法的收敛性及其在模型参数提取问题中的应用
被引：11
作者：
佘春峰
杨华中
胡冠章
汪蕙
机构：
[1] 清华大学应用数学系!北京
[2] 清华大学电子工程系!北京
来源：
关键词：
遗传算法;
算法收敛性;
Markov链;
模型参数提取;
连续突变;
D O I：
暂无
中图分类号：
TP18 [人工智能理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
浮点遗传算法是一种模拟生物进化的最化搜索法 ,由于其运算简单、稳定性好、不需要计算目标函数的导数、高精度和能处理多维数值问题 ,浮点遗传算法在科学研究和工程技术中得到了广泛应用 .通过对浮点遗传算法收敛性的分析 ,本文证明了“简单浮点遗传算法不收敛于全局最优解 ,而每代保留最优个体的浮点遗传算法才收敛于全局最优解” .在此基础上 ,本文设计了一种采用连续突变和每代保留最优个体的改进浮点遗传算法 ,它克服了精确度与计算量之间的矛盾 .本文利用该算法较好地解决了半导体器件模型参数提取问题 ,使计算量降低了约 2 7%
引用
收藏
页码：134 / 136+133
+133
页数：4
相关论文