适值函数对中所有个体进行评价，选出最优新种群。判断是否满足算法终止条件，若满足则输出搜索结果，若不满足用根据适值选出最优新种群替代初始种群，令，返回。当然，这里给出只是基本遗传算法，经过多年发展，遗传算法有了许多变形和改进。区别于传统优化算法，遗传算法具有以下特点。对问题参数编码成“个体”后进行进化操作，而不是针对参数本身，这使得不受函数约束条件限制，如连续可寻性等。搜索过程是从问题解个集合开始，而不是从单个个体开始，具有隐含并行搜索特性从而大大减小了陷入局部极小可能。使用遗传操作均是随机操作，同时根据个体适值信息进行搜索，无需其他信息，如导数信息等。具有全局搜索能力，最善于搜索复杂问题和非线性问题。遗传算法优越性主要表现在算法进行全空间并行搜索。并将搜索重点集中于性能高部传操作和自然淘汰生物进化过程，以个体之间基因交换和个体自身基因变异为操作基础，使用适值函数对个体进行评价，保留优秀个体，淘汰适值较差个体因而可以说，是种基于“优胜劣汰，适者生存”高度并行随机和自适应优化算法。目前随着计算机技术不断发展，得到了越来越广泛重视，并在神经网络，优化控制，组合优化，模式识别，生产调度等领域得到了广泛应用。年，在美国卡耐基梅隆大学召开了第届遗传算法国际会议，成立了国际遗传算法学会，以后每两年举行次会议。还出版了两种新杂志和，专门刊登该领域学术文章。日本新计算机发展规划限也把进化计算作为其主要支撑技术之。我国有关遗传算法研究，从世纪年代开始直处于不断上升时期，并取得了系列令人瞩目成果。遗传算法研究现状简述尽管标准遗传算法具有全局搜索能力，而且在理论上具有概率收敛特性，但在实际运用中，依然有许多问题，比如说过早收敛或者收敛太慢等问题，需要特别指出是，至今为止，采用求解高维多约束多目标优化问题仍然是个没有较好解决课题，但是在多年发展中，各领域专家学者已取得了很多具有创造性改进，以下给出些具有代表性成果编码曾用模式转换泫设计出最欺骗性问题，并将欺骗性问题分成两类。遗传算法中欺骗性问题产牛往往和适应度函数确定和调整基因编码方式有关。提出通过改变适应度函数或编码方式，可以化解欺骗性问题。等针对二进制编码优化精度差缺点，提出了种类似予对解空间进行尺度变换参数动态编码策略。郑丕谔提出了种编码新方法，将染色体编码方案分为两层，上层基因控制下层基因。交又和变异第章绪论目前已经提出了很多交叉算子，主要有部分映射交叉增强边缘重组算子循环交叉算子单点交叉算子和多点交叉算子等等川。变异操作方面，近年来主要发展了自适应变异多级变异逆转变异等操作，其中逆转变异适用于布局问题问题等等。收敛性研究在收敛效率分析方面，主要有基于模式定理效率分析和基于链效率分析。近年来研究主要集中在基于链分析，链分析能对遗传算法进行严格数学分析。和对以浮点数编码遗传算法全局收敛性进行了严密分析，挥为民等证明了具有比例复制和自适应交叉和变异遗传算法是全局收敛，为遗传算法提供了必要理论指导，指出了造成定概率不全局收敛主要原副。算法结构遗传算法瓶颈是种群适应度函数计算。为了克服种群数目过大造成计算时间长缺点，提出小种群方法。全面研究了并行化实现结构问题，并给出了多种结构形式。提出了基于对象设计并行结构思想。混合算法遗传算法和其他优化方法结合形成各种混合遗传算法，。国际学术界对混合系统及算法日益重视，对提出了“。目前研究比较多有，遗传算法和模拟退火算法结合，使得混合算法在优化性能优化效率和鲁棒性方面具有明显优越性。遗传算法和禁忌搜索算法结合，可以利用提供并行搜索框架，结合遗传种群进化和较强具有避免迂回搜索能力邻域搜索，实现全局快速最优化。遗传算法和神经网络结合等各种混合策略。遗传算法描述基本术语染色体遗传算法处理基本单元，根据所研究问题特性，在确定编码规则下生成，每个个体表示了待处理问题个候选解。个体就是个染色体。第章绪论基因个体基本组成单位，通常用二进制数或者实数表示。种群由定数量个体组成。适值个体对环境适应度，从“适者生存”角度而命名。适值函数评价个体适值函数。编码将待解决问题解空间中参数转换为遗传操作所需个体过程。解码编码逆过程。选择遗传算法基本操作，根据个体适值，按照定规则从种群中选出定数量个体过程。交叉遗传算法基本操作，将两个个体基因按照定规则进行交换过程。变异遗传算法基本操作，以很小概率对个体基因进行“调整”过程。遗传算法基本流程是类随机优化算法，但它完全不同于简单随机搜索，而是通过对个体评价进行选择，并使用变异交叉等遗传操作对个体基因进行作用，有效地利用已有信息来指导搜索有希望改善优化质量个体。具体流程如下图所示算法描述如下图遗传算法流程图第章绪论设定算法参数，种群规模交叉概率变异概率最大进化代数。令，随机产生个个体作为初始种群将初始种群复制到交叉集中。对交叉集中个体，每次选出两个个体，同时产生个之间随机数，如果交叉概率进行交叉操作后送新代种群。对新种群中每个个体，产生个之间随机数，如果，那么对其进行变异操作后送回。根据确定适值函数对中所有个体进行评价，选出最优新种群。判断是否满足算法终止条件，若满足则输出搜索结果，若不满足用根据适值选出最优新种群替代初始种群，令，返回。当然，这里给出只是基本遗传算法，经过多年发展，遗传算法有了许多变形和改进。区别于传统优化算法，遗传算法具有以下特点。对问题参数编码成“个体”后进行进化操作，而不是针对参数本身，这使得不受函数约束条件限制，如连续可寻性等。搜索过程是从问题解个集合开始，而不是从单个个体开始，具有隐含并行搜索特性从而大大减小了陷入局部极小可能。使用遗传操作均是随机操作，同时根据个体适值信息进行搜索，无需其他信息，如导数信息等。具有全局搜索能力，最善于搜索复杂问题和非线性问题。遗传算法优越性主要表现在算法进行全空间并行搜索。并将搜索重点集中于性能高部，参考文献，“，”，杨行峻，郑君里著，人工神经网络与盲信号处理，北京，清华大学出版社，杨俊安，李斌基于量子遗传算法盲信号分离算法研究小微型计算机系统王桂安，余先快速独立成分分析及其在矿产预测中应用，第七届全国数学地质与地学信息学术会议论文，致谢致谢本论文工作是在我导师郑丕谔教授悉心指导下完成，郑丕谔教授严谨治学态度和科学工作方法给了我极大帮助和影响。在此衷心感谢三年来郑丕谔老师对我关心和指导。郑丕谔教授悉心指导我们完成了实验室科研工作，在学习上和生活上都给予了我很大关心和帮助，在此向郑丕谔老师表示衷心谢意。郑丕谔教授对于我科研工作和论文都提出了许多宝贵意见，在此表示衷心感谢。在实验室工作及撰写论文期间，韩庆艳郭海滨刘妍曲昊满红志王雄陈海燕高静殷锐孙友亮等同学对我论文研究工作给予了热情帮助，特别是韩庆艳同学给予了我很大帮助，在此向他们表达我感激之情。另外也感谢家人和女友，他们理解和支持使我能够在学校专心完成我学。基于递阶遗传算法网络训练和盲信号分离作者舒柏晛学位授予单位天津大学本文读者也读过条史家茂基于遗传算法盲信号分离研究与实现学位论文汤大莎杨成校企合作构建人才培养蝴蝶模式期刊论文民族论坛尉宇聂玉峰自适应最优保存遗传算法在盲信号分离中应用期刊论文武汉科技大学学报自然科学版,张旭秀邱天爽基于源信号之间统计独立性方法等价性研究期刊论文探测与控制学报,张海英王昆潘永湘种基于免疫遗传神经网络盲信号分离方法期刊论文燕山大学学报,华容基于混合型神经网络自适应盲信号分离算法期刊论文计算机应用与软件,张燕丽李勇帆浅谈教学系统中蝴蝶效应研究期刊论文中国电力教育王先来鲍志军使用混合递阶遗传算法训练径向基神经网络期刊论文仪器仪表学报,刘涵刘丁刘筱琰基于高阶统计量自适应盲源分离算法期刊论文西安理工大学学报,吴广生基于改进遗传算法盲信号分离期刊论文硅谷引用本文格式舒柏晛基于递阶遗传算法网络训练和盲信号分离学位论文硕士传操作和自然淘汰生物进化过程，以个体之间基因交换和个体自身基因变异为操作基础，使用适值函数对个体进行评价，保留优秀个体，淘汰适值较差个体因而可以说，是种基于“优胜劣汰，适者生存”高度并行随机和自适应优化算法。目前随着计算机技术不断发展，得到了越来越广泛重视，并在神经网络，优化控制，组合优化，模式识别，生产调度等领域得到了广泛应用。年，在美国卡耐基梅隆大学召开了第届遗传算法国际会议，成立了国际遗传算法学会，以后每两年举行次会议。还出版了两种新杂志和，专门刊登该领域学术文章。日本新计算机发展规划限也把进化计算作为其主要支撑技术之。我国有关遗传算法研究，从世纪年代开始直处于不断天津大学硕士学位论文基于递阶遗传算法网络训练和盲信号分离姓名舒柏晛申请学位级别硕士专业数量经济学指导教师郑丕谔中文摘要本文在总结了遗传算法多年来发展基础上，结合大系统递阶优化技术思想，提出了种新编码机制递阶结构染色体设计。简单地说，递阶编码是种多层次结构编码，上层编码般被定义为控制基因，最下层基因为参数基因。这样编码结构相对于维编码而言能够更为完整地表达出问题解空间，能够更好地解决网络训练问题求解和作业调度问题等等。针对目前网络训练方法问题只能在网络结构固定情况下对权值进行训练。本文将网络结构和权值作为个整体进行编码，采用三层递阶结构第层表示网络隐层个数，第二层表示每个有效隐层含有神经元个数，第三层存储了各个有效神经元权值和阈值信息。这样染色体将网络权值和结构作为个整体进行表达，从而同时进行训练。此外本文结合网络复杂度定义提出了种新适值函数。实验对比研究表明了递阶编码技术在网络训练上具有较好效果。盲分离问题具有广阔应用前景，因此得到了学术界高度重视，并逐渐成为新研究热点。目前盲信号分离算法，虽然不需要源信号任何先验知识，但是需要在分离前已知源信号个数，这个条件在很多情况下是很难实现。比如说对语音信号分离，对经济金融时间序列数据处理等等。使用上述递阶染色体设计思想，利用遗传算法自适应性，根据信号高阶统计特征，自动地识别出估计信号最优分离。实验研究表明了该方法有效性。关键词递阶遗传算法网络训练盲信号分离时间序列独创性声明本人声明所呈交学位论文是本人在导师指导下进行研究工作和取得研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过研究成果，也不包含为获得苤鲞盘堂或其他教育机构学位或证书而使用过材料。与我同工作同志对本研究所做任何贡献均己在论文中作了明确说明并表示了谢意。学位论文作者签谚铲似字吼加年，日学位论文版权使用授权书本学位论文作者完全了解墨鲞苤堂有关保留使用学位论文规定。特授权墨空盘鲎可以将学位论文全部或部分内容编入有关数据库进行检索，并采用影印缩印或扫描等复制手段保存汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文复印件和磁盘。保密学位论文在解密后适用本授权说明学位论文作签字日期日第章绪论第章绪论遗传算法是大学于年首次提出。思想来源于进化论中遗传操作和自然淘汰生物进化过程，以个体之间基因交换和个