分布估计算法介绍

分布估计算法(estimation of distribution algorithm, EDA)是一种新的启发式搜索策略,是统计学习理论与随机优化算法的结合。它利用概率模型对问题解空间中可能出现最优解的区域进行建模,并利用该模型引导算法进行搜索。与其它进化算法(如遗传算法)不同,在分布估计算法中,没有传统的交叉、变异等遗传操作,而是通过统计学习从群体宏观的角度建立一个描述解分布的概率模型,以此描述候选解在空间的分布;然后根据估计得到的概率分布模型对解空间重新采样产生新的种群;如此复迭代,实现种群的进化,直到终止条件。

分布估计算法有很多种实现方法,但一般地以归纳为如下几个步骤:

(1)产生初始种群P(t),t=0;

(2)根据某种选择模式,从当前种群中选择优势体S(t);

(3)分布概率估计;

(4)由分布概率产生新代群体,部分或全部替换掉当前种群P(t);

(5)t=t+1,若满足终止条件则停止算法;否则,转到步骤(2)。



发表评论

You must be logged in to post a comment.