文档介绍：分布估计算法论文:Clayton copula分布估计算法中边缘分布的研究
【中文摘要】分布估计算法(Estimation of Distribution Algorithm,简称EDA)是在遗传算法的基础之上发展起来的,与遗传算法不同,它不使用交叉和变异算子,而是根据当前种群中适应值较好的个体建立概率分布模型,然后根据估计的模型进行采样得到新的个体,以此来引导算法的搜索。基于Copula理论的分布估计算法(cEDA),把对优势群体的概率模型的估计分为两部分进行,即对各变量边缘分布的估计和一个Copula函数的选取,通过Copula函数将各变量的边缘分布连接成它们的联合分布。它的优点在于不仅简化了估计概率模型的运算复杂度,而且能够充分反映变量之间的关系。在cEDA算法中,边缘分布的选取对算法的优化效果有很大的影响,因此,本文选择Clayton copula函数作为连接函数,首先选择经验分布和正态分布作为边缘分布函数,对两者的优化结果进行了分析比较,结果发现采用正态分布作为边缘分布的优化结果比较好,同时也发现虽然采用正态分布的结果比较好,但是其对某些函数的优化结果存在一种早熟现象。进一步对边缘分布采用正态分布作了理论上的分析,发现方差的过快收敛是导致算法产生早熟的主要原因,...
【英文摘要】The development of Estimation of Distribution Algorithm (EDA) is based on ic Algorithm (GA), It’s different from GA, it doesn’t use crossover and mutation, but establishes probability distribution model by pr
omising individuals in the current generation, then acquires new individuals by sampling the of Distribution Algorithms based on copula (cEDA) divide the estimating probabilistic model from the promising population into two parts, the marginal distribution of each variable and ...
【关键词】分布估计算法 Copula理论 Clayton copula函数边缘分布经验分布正态分布
【英文关键词】Estimation of Distribution Algorithms(EDAs) Copula theory Clayton copula function marginal distribution empirical distribution normal distribution ?
【索购全文】联系Q1:138113721 Q2:139938848
【目录】Clayton copula分布估计算法中边缘分布的研究
中文摘要
3-4
ABSTRACT
4