论文部分内容阅读
分布估计算法是一类基于概率模型的随机优化算法,随着科技的发展和应用的推广,研究如何选择合适的概率模型来描述待解问题所反映的数据总体信息显得尤为重要和关键。在分布估计算法中引入copula理论,可以将复杂的联合分布分解为边缘分布和copula函数的组合,因为对边缘分布和copula函数的分析研究较为简单。本文对构造的联合分布函数与样本实际分布情况的拟合优度进行研究,分析拟合优度与copula分布估计算法性能之间的关系。本文主要研究阿基米德copula分布估计算法中的优势群体的概率模型的拟合优度对算法优化性能的影响。本文选取正态分布作为边缘分布,选取阿基米德copula族为copula函数,并用伪极大似然法估计copula函数的参数。在分布估计算法中copula函数不一样,与之相对应着的copula函数的变量的相关程度也就不一样,而且如果选择的概率模型不合适就会降低解的质量,所以本文采用拟合优度检验选取合适的概率模型来改进算法。首先引入了Cramer-von Mises统计量Sn,选取阿基米德copula函数作为研究对象,采用不同的原假设和备择假设对构造的统计量进行拟合优度检验的实验仿真,实验结果表明该方法可行;其次为了更准确地描述优势群体的概率模型对算法的影响,又研究了在进化过程中基于距离分析判别准则静态调整阿基米德copula函数的方法,实验结果表明该方法有较好的效果,随着待解决问题的复杂化,对优势群体的多个概率模型的构造会占用较多的时间开销;再次为了兼顾优势群体的概率模型的准确性和模型的构造和选取所占用的时间开销,我们采用自适应动态调整阿基米德copula函数的方法,该方法对copula函数的模型作p值检验,实验结果表明,该方法能建立比较准确的概率模型,能有效提高算法的性能。