协同演化算法是近年来计算智能研究的一个热点,它是针对传统演化算法的不足而兴起的,通过构造两个或多个种群,建立它们之间的竞争或合作关系,多个种群相互作用来提高各自性能,适应复杂系统的动态演化环境,以达到种群优化的目标。本项研究工作提出了基于博弈论的协同演化算法的新思想,通过设计个体和种群之间的博弈策略,改进了演化算法易出现未成熟收敛、收敛速度较慢等缺陷;分析了启发性知识在设计演化算法中的作用,实现了基于博弈论的协同演化算法, 完成了相关的实验研究;将协同演化算法运用于数据挖掘中,实现了用于发现相关性关联规则的演化算法和对翻译等价类进行聚类的协同演化算法。这些实验研究表明,利用博弈论的动态演化策略, 可以设计更为有效的协同演化算法, 其效率比过去的演化算法有较大的提高,为协同演化算法的应用打下了基础,也为协同演化算法的进一步研究提供了理论基础。
英文主题词co-evolution;evolutinary algorithm;game theory; data mining; assoication rule