遗传算法作为智能计算和软计算方法的重要组成部分,具有广阔的应用前景。本项目借鉴计算机内部对浮点数的表示方法,设计了一种新的编码策略- - 可变二进制编码及相应的遗传算子,并根据各种不同问题的特征,系统研究了宏观遗传策略和微观遗传策略。完成了对交叉算子选择策略和变异算子适应性调整策略的研究,实现以算法策略的适应性来解决问题的多样性。在此基础上,基于分布式遗传算法(Distributed GA, DGA)特点和要求,设计出一种新的层次型分布式遗传算法FB-HGA(Floating-point Binary Code-based Hierarchical Genetic Algorithm),完成了其算法结构、流程设计和并行化策略等工作,并将遗传算法与数据挖掘中支持向量机技术相结合,构建了该算法应用于数据挖掘的一种新的手段和方法。这种项目的研究实现了分布式遗传算法的宏观策略与微观策略的最优匹配,提高了遗传算法整体有效性,对遗传算法的理论研究和应用研究有着重要的借鉴意义。
英文主题词distributed, genetic algorithm, genetic strategy, strategy optimization, support vector machine