一种基于非持久精英保留策略的趋向型紧凑GA方法技术

本发明专利技术公开了一种基于非持久精英保留策略的趋向型紧凑GA方法，构造一条与染色体编码长度L一样的概率向量P，并使概率向量的每一位值为0.5，然后由概率向量随机产生两条染色体；分别计算产生的两条染色体适应度值，并比较这两个适应度值来决出胜者和败者；比较产生的两条染色体的每一位，根据其适应度值来更新概率向量；判断算法执行结果是否达到收敛条件；若未达到收敛条件，则对染色体进行变异操作；引入非持久的精英保留策略及参数α，并判断精英保留的代数；若达到收敛条件，则算法结束。本发明专利技术提高了算法的收敛效率，搜索能力强且占用资源少，在硬件演化中取得了良好的应用效果。

【技术实现步骤摘要】

本专利技术属于演化硬件
，尤其涉及一种基于非持久精英保留策略的趋向型紧凑GA方法。
技术介绍
在固定功能硬件和可重构硬件之后，下一代硬件将是可自我配置和演化的硬件，即演化硬件(EvolvableHardware，简称EHW)，它是利用生物的发展模式来解决大型的、复杂的问题。演化硬件的思想来源于上世纪五十年代，计算机之父JohnVonNeumann提出的研制具有自繁殖与自修复能力机器的设想。演化硬件由于其硬件自身的快速并行性使其在设计空间内进行搜索，从而实现设计自动化，成为计算机系统结构和电子设计自动化领域的研究热点之一。演化硬件指的是在可编程逻辑器件中运用演化算法配置动态可重构电路并最终演化出所需的逻辑电路。演化硬件能够像生物一样随着外部环境的变化动态的改变自身结构以实现自组织、自适应、自修复。对演化硬件的研究具有重要的理论意义和实用价值。随着硬件系统的复杂性不断提高，系统设计难度增加，可靠性下降，利用演化硬件可以满足硬件对环境的适应性，使系统自动地、实时地调整其内部结构，以适应内部条件和外部环境的变化，从而使系统能够自容错运行。演化硬件技术在嵌入式系统设计中也将具有无穷的潜力，能够很好的解决嵌入式系统设计中软硬件划分的问题。总之，演化硬件在电路设计、容错系统、模式识别和人工智能等领域都具有广阔的应用前景和巨大的工业、商业价值。目前演化硬件技术只能解决比较简单的小规模的电路，所以在其发展过程中还面临着很多问题，如进化速度慢，进化效率低，演化电路鲁棒性低等。演化硬件的关键技术包括可编程逻辑器件和演化算法。由于演化过程具有随机性和演化次数较多的特点，从而要求相应器件能被反复配置，而FPGA的最大特点是在线可编程性，因此FPGA成为当前比较理想的实现器件。演化硬件逻辑电路的配置是由演化算法演化而来的，所以演化算法的演化结果与演化效率对演化硬件是否实现预期功能有着重要影响。遗传算法(GA)是演化算法中最常用的一种算法，它是一种模拟生物界中的自然进化的随机搜索算法，其采用一系列编码位串来描述问题候选解的种群，但由于需要保存大量的种群个体信息，占用大量存储空间，且在处理复杂问题时计算量大，目前已有许多方法和技术来完善GA在FPGA中的应用。针对GA搜索速度慢、容易局部早熟、局部寻优能力差的弱点，在ZhangHui,WuBin,YuZhangguo.Researchofnewgeneticalgorithmsinvolvingmechanismofsimulatedannealing[J].JournalofUESTofChina,2003中提出将模拟退火机制引入GA中，从而综合了模拟退火算法具有较强的局部搜索能力的特点和GA比较优秀的全局寻优控制能力的特点，有效地提高了GA的运行效率和求解质量，但这样会造成算法复杂化，并且并不会减少占用的存储空间。在FernandoPR,KatkooriS,KeymeulenD,ZebulumR,StoicaA.CustomizableFPGAIPcoreimplementationofageneral-purposegeneticalgorithmengine[J].IEEETransEvolComput,2010中提出在FPGA中定制一个IP核实现一个通用的遗传算法，这个遗传算法IP核可以根据种群数量、遗传代数、交叉概率和变异概率、随机数发生器种子和适应度函数来定制。这种方法可以减少算法所占用的逻辑硬件资源，降低存储器利用率，但它是通过算法硬件化来实现的，并未真正改善算法的性能。在MarcoA.Moreno-Armendáriz,NareliCruz-Cortés,CarlosA.Duchanoy,etal.HardwareimplementationoftheelitistcompactGeneticAlgorithmusingCellularAutomatapseudo-randomnumbergenerator[J].ComputersandElectricalEngineering,2013中讲述了一种精英紧凑遗传算法，其是在紧凑遗传算法的基础上对每一代的精英个体进行保留，文中将算法通过硬件实现，说明在硬件实时应用中的可行性。但过度的精英保留策略可能会导致早熟收敛，过高的选择压力使得群体迅速收敛，牺牲了群体的多样性，从而易陷入局部最优解。目前演化硬件技术存在进化速度慢、进化效率低、演化电路鲁棒性低、所能处理的电路规模和种类有限的问题。
技术实现思路
本专利技术的目的在于提供一种基于非持久精英保留策略的趋向型紧凑GA方法，旨在解决目前演化硬件技术存在进化速度慢、进化效率低、演化电路鲁棒性低、所能处理的电路规模和种类有限的问题。本专利技术是这样实现的，一种基于非持久精英保留策略的趋向型紧凑GA方法，所述基于非持久精英保留策略的趋向型紧凑GA方法包括：步骤一，构造一条与染色体编码长度L一样的概率向量P，并使概率向量的每一位值为0.5，然后由概率向量随机产生两条染色体，概率向量每一位的值表示产生的染色体相对应位值为1的概率；步骤二，分别计算产生的两条染色体适应度值，并比较这两个适应度值，适应度值大的染色体作为胜者，相反，适应度值小的则为败者，然后将胜者与败者的每一位进行比较，如果相对应的两个位数值相等，则继续比较下一位，否则进行步骤三；步骤三，对胜者的该位进行反转，然后比较反转后的个体与原个体之间的适应度值，如果反转后适应度值变大则判断反转位的值，为1就通过增加1/N的步长来更新概率向量相对应的位值，为0就通过减少1/N的步长来更新概率向量相对应的位值；步骤四，每一位比较完成后，判断概率向量是否达到收敛条件，达到则结束，没有达到则继续下一步，收敛条件是概率向量中的每一位均收敛于1或者0；步骤五，对染色体进行变异操作，对概率向量的每一位进行判断是否大于0.5，如果大于0.5，则继续判断该位所对应的胜者染色体的对应位，为1则保持不变，为0则反转该位；否则胜者相对应位为1则反转该位，为0则保持不变。比较由此产生的新的染色体的适应度值与原胜者染色体的适应度值，将适应度值大的染色体作为胜者；步骤六，引入非持久的精英保留策略及参数α，判断精英保留的代数，如果没有超过α，则由概率向量产生一条新的染色体，并转向步骤二，超过α则由概率向量产生两条新的染色体，并转向步骤二。进一步，步骤一使用概率向量来描述种群，初始化概率向量的长度为L，其与染色体长度本文档来自技高网...

【技术保护点】
一种基于非持久精英保留策略的趋向型紧凑GA方法，其特征在于，所述基于非持久精英保留策略的趋向型紧凑GA方法包括:构造一条概率向量P，然后由概率向量随机产生两条染色体；分别计算产生的两条染色体适应度值，并比较这两个适应度值来决出胜者和败者；比较两条染色体的每一位，如果相对应的两个位数值相等，则继续比较下一位，否则将胜者的该位进行反转，并根据胜者其适应度值来更新概率向量；判断算法执行结果是否达到收敛条件；若未达到收敛条件，则对染色体进行变异操作；引入非持久的精英保留策略及参数α，判断精英保留的代数；若达到收敛条件，则算法结束。

【技术特征摘要】
1.一种基于非持久精英保留策略的趋向型紧凑GA方法，其特征在于，所
述基于非持久精英保留策略的趋向型紧凑GA方法包括:
构造一条概率向量P，然后由概率向量随机产生两条染色体；分别计算产生
的两条染色体适应度值，并比较这两个适应度值来决出胜者和败者；比较两条
染色体的每一位，如果相对应的两个位数值相等，则继续比较下一位，否则将
胜者的该位进行反转，并根据胜者其适应度值来更新概率向量；
判断算法执行结果是否达到收敛条件；若未达到收敛条件，则对染色体进
行变异操作；引入非持久的精英保留策略及参数α，判断精英保留的代数；若
达到收敛条件，则算法结束。
2.如权利要求1所述的基于非持久精英保留策略的趋向型紧凑GA方法，
其特征在于，所述基于非持久精英保留策略的趋向型紧凑GA方法包括：
步骤一，构造一条与染色体编码长度L一样的概率向量P，并使概率向量的
每一位值为0.5，然后由概率向量随机产生两条染色体，概率向量每一位的值表
示产生的染色体相对应位值为1的概率；
步骤二，分别计算产生的两条染色体适应度值，并比较这两个适应度值，
适应度值大的染色体作为胜者，相反，适应度值小的则为败者，然后将胜者与
败者的每一位进行比较，如果相对应的两个位数值相等，则继续比较下一位，
否则进行步骤三；
步骤三，对胜者的该位进行反转，然后比较反转后的个体与原个体之间的
适应度值，如果反转后适应度值变大则判断反转位的值，为1就通过增加1/N
的步长来更新概率向量相对应的位值，为0就通过减少1/N的步长来更新概率
向量相对应的位值；
步骤四，每一位比较完成后，判断概率向量是否达到收敛条件，达到则结
束，没有达到则继续下一步，收敛条件是概率向量中的每一位均收敛于1或者0；
步骤五，对染色体进行变异操作，对概率向量的每一位进行判断是否大于
0.5，如果大于0.5，则继续判断该位所对应的胜者染色体的对应位，为1则保持

\t不变，为0则反转该位；否则胜者相对应位为1则反转该位，为0则保持不变；
比较由此产生的新的染色体的适应度值与原胜者染色体的适应度值，将适应度
值大的染色体作为胜者；
步骤六，引入非持久的精英保留策略及参数α，判断精英保留的代数，如果
没有超过α，则由概率向量产生一条新的染色体，并转向步骤二，超过α则由概
率向量产生两条新的染色体，并转向步骤二。
3.如权利要求2所述的基于非持久精英保留策略的趋向型紧凑GA方法，
其特征在于，步骤一使用概率向量来描述种群，初始化概率向量的长度为L，其
与染色体长度相等，在演化过程中，每一代依据概率向量值随机产生两条相互
独立的染色体；
初始化概率向量的每一位值为0.5，概率向量每一位的值表示产生的染色体
相对应位值为1的概率。
4.如权利要求2所述的基于非持久精英保留策略的趋向型紧凑GA方法，
其特征在于，步骤二计算每一代所产生的两条染色体的适应度值，并根据适应
度值的大小将这两条染色体分为胜者和败者，适应度值大的为胜者，适应度值
小的为败者，并对胜者和败者的每一位进行比较；
步骤三按如下过程进行：
第一步，对胜者和败者的每一位进行比较时，如果胜者与败者相对应位的
值相等，则继续比较下一位；
第二步，如果胜者与败者相对应的值不相等，则将胜者的该位进行反转，
为1则变为0，否则变为1，然后将该位反转后的新的染色体与原染色体进行适
应度值的比较；
第三步，如果反转后的新的染色体的适应度值大于原染色体的适应度值，
则用新的染色体替代原染色体，并判断反转后的值，为1就通过增加1/N的步
长来更新概率向量相对应的位值，为0就通过减少1/N的步长来更新概率向量
相对应的值；
第四步，如果反转后的新的染色体的适应度值不大于原染色体的适应度值，
则保留原染色体，并判断原染色体该位的值，为1就通过增加1/N的步长来更
新概率向量相对应的位值，为0就通过减少1/N的步长来更新概率向量相对应
的值；
第五步，重复该步骤直到将胜者与败者的每一位比较完。
5.如权利要求2所述的基于非持久精英保留策略的趋向型紧凑GA方法，
其特征在于，步骤五具体包括：
第一步，如果概率向量未达到收敛条件，则对染色体进行变异操作，引进
新的变异操作；
第二步，对概率向量的每一位分别进行判断其是否大于0.5，如果大于0...

【专利技术属性】
技术研发人员：米建伟，方晓莉，范丽彬，梁园园，门喜明，黄集发，汪辉，王小龙，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61