遗传算法求解非线性方程组研究综述

›› 2014, Vol. 27 ›› Issue (4): 173-.

遗传算法求解非线性方程组研究综述

吴龙,任红民,毕惟红

(1.杭州科技职业技术学院信息工程学院,浙江杭州 311402;2.浙江大学数学系科学与工程计算研究所,浙江杭州 310028)

出版日期:2014-04-15 发布日期:2014-05-14
作者简介:吴龙(1977—),男,硕士,讲师。研究方向:遗传算法,并行计算。E-mail:wl@mail.hzrtvu.edu.cn。任红民(1965—),男,博士,教授。研究方向:非线性方程组求解,遗传算法。毕惟红(1968—),女,博士,副教授。研究方向:非线性方程组求解,遗传算法。
基金资助:
国家自然科学基金资助项目(10871178);浙江广播电视大学科研基金资助项目(xkt-2005-40);杭州广播电视大学重点科研基金资助项目(KZYZD-2010-9)

Review of the Genetic Algorithm for Nonlinear Equations

WU Long,REN Hongmin,BI Weihong

(1.School of Information Engineering,Hangzhou Vocational and Technical College,Hangzhou 311402,China;2.Institute of Mathematics,Science and Computing Engineering Institute,Zhejiang University,Hangzhou 310028,China)

Online:2014-04-15 Published:2014-05-14

摘要/Abstract

摘要：

针对近年来国内外基于遗传算法求解非线性方程组的研究情况进行了系统总结,揭示了各种遗传策略的综合运用,遗传算法与传统迭代方法或其他智能优化方法的有效结合,并行遗传算法是基于遗传算法方法求解非线性方程组成功的关键,同时对未来的研究方向进行了展望。

关键词: 遗传算法;非线性方程组;遗传算子

Abstract:

This paper puts forward a summary of researches on solving nonlinear equations by genetic algorithms.The integrated use of various genetic strategies and the effective combination of genetic algorithms and traditional iterative methods or other intelligent optimization methods are discussed.It is found that the parallel genetic algorithm is the key to solving nonlinear equations by genetic algorithms.The future research directions are also discussed.

Key words: genetic algorithms;nonlinear equations;genetic operator

中图分类号:

TP301.6

吴龙,任红民,毕惟红. 遗传算法求解非线性方程组研究综述[J]. , 2014, 27(4): 173-.

WU Long,REN Hongmin,BI Weihong. Review of the Genetic Algorithm for Nonlinear Equations[J]. , 2014, 27(4): 173-.

参考文献

［1］ORTEGA J M,RHEINBOLT W C.Iterative solution of nonlinear equations in servral variables［M］.Newyork:Academic Press,1970.

［2］ARGYROS I K.Convergence and application of newton-type iterations［M］.Newyork:Springer-Verlay Public,2008.

［3］HOLLAND J H.Adaptation in natural and artificial system［M］.Ann Arbor:Michigan University Press,1975.

［4］DE JONG K A.An analysis of the behavior of a class of genetic adaptive systems［D］.Michiga:Dissertation University of Michigan,1975.

［5］GOLDBERG D E.Genetic Algorithms in search,optimization and machine learning［M］.Newyork:Addison-Wesley,1989.

［6］曾毅.改进的遗传算法在非线性方程组求解中的应用［J］.华东交通大学学报,2004,21(4):132-134.

［7］曾毅.浮点遗传算法在非线性方程组求解中的应用［J］.华东交通大学学报,2005(1):152-155.

［8］成媛媛,全惠元.解非线性方程自适应变搜索区间的遗传算法［J］.计算机工程与应用,2005(21):58-60.

［9］排新颖,王子亭.带有梯度信息的遗传算法在求解非线性方程组中的应用［J］.中国石油大学学报,2009,33(3):172-174.

［10］彭灵翔,李于锋.用实数编码遗传算法解非线性方程组［J］.延安大学学报:自然科学版,2007,26(2):15-18.

［11］ANGEL F K M,Solution of simultaneous non-linear equations using genetic algorithms［J］.WSEAS Transactions on Systems,2003(2):44-51.

［12］罗亚中,袁端才,唐国金.求解非线性方程组的混合遗传算法［J］.计算力学学报,2005,22(1):108-113.

［13］胡小兵,吴树范,江驹.一种基于遗传算法的求代数方程组数值解的新方法［J］.控制理论与应用,2002,19(4):567-570.

［14］田巧玉,古钟璧,周新志.基于混合遗传算法求解非线性方程组［J］.计算机技术与发展,2007,17(3):10-12.

［15］徐红.改进量子遗传算法求解非线性方程组［J］.四川理工学院学报:自然科学版,2009,22(3):12-14.

［16］赵明旺.基于牛顿法和遗传算法求解非线性方程组的混合计算智能方法［J］.小型微型计算机系统,1997(11):13-18.

［17］赵明旺.求解相容非线性方程组的拟牛顿法和混合计算智能算法［J］.计算机应用与软件,2000(8):32-37.

［18］罗亚中,周黎妮,唐国金.遗传算法求解非线性方程组的应用研究［J］.华南理工大学学报:自然科学版,2003,31(S1):140-142.

［19］屈颖爽.基于拟牛顿法和遗传算法求解非线性方程组的混合算法［D］.吉林:吉林大学,2005.

［20］王鹏.求解非线性方程组的拟牛顿—遗传混合算法的改进［D］.大连:大连理工大学,2006.

［21］曹春红,张斌,李文辉.基于牛顿-遗传混合算法的几何约束问题的求解［J］.系统仿真学报,2007(16):3050-3652.

［22］周丽,姜长生.非线性方程组求解的一种新方法［J］.小型微型计算机系统,2008(9):1709-1713.

［23］KARR C L,WECK B,FREEMAN L M.Solutions to systems of nonlinear equations via a genetic algorithm［J］.Engineering Applications of Artificial Intelligence,1998(11):369-375.

[1]	胡晓锐，骆艳洁，麦云飞. 遗传算法在恒张力控制系统中的应用[J]. , 2017, 30(4): 72-.
[2]	朱怀毅. 基于NiosII的CZT频谱细化算法仿真实现[J]. , 2017, 30(4): 76-.
[3]	梁樱馨，田浩杉. 基于细菌觅食与粒子群的改进混合算法[J]. , 2017, 30(4): 79-.
[4]	宋平，邵清. 使用正态分布函数修正推荐系统相关相似性[J]. , 2016, 29(10): 58-.
[5]	李田田. 基于改进PSO算法的直接进给轴伺服参数优化[J]. , 2016, 29(10): 69-.
[6]	郝玉梅. 利用EM算法估计寿命模型中的参数[J]. , 2016, 29(8): 68-.
[7]	王智浩. NSGA-II在不同性能指标组合下的PID参数优化[J]. , 2016, 29(8): 70-.
[8]	李根，王亚刚，周小伟，张凤登. 一种基于密度均值的谱聚类算法[J]. , 2016, 29(8): 74-.
[9]	季莉莉，李烨. 云环境下基于迁移的虚拟机集群优化算法[J]. , 2016, 29(8): 117-.
[10]	徐晓冬，戴曙光. 基于改进WFPSO算法的无刷直流电机模型分析[J]. , 2016, 29(9): 37-.
[11]	张晨，游晓明. 基于栅格模型机器人路径规划的量子蚁群算法[J]. , 2016, 29(7): 1-.
[12]	许晓磊，聂文惠，曹菲. HAFBPS对发酵法生产透明质产量的预测[J]. , 2016, 29(7): 22-.
[13]	张海兵. 基于粒子滤波的动态自回归预测模型方法[J]. , 2016, 29(6): 15-.
[14]	袁满满穆平安戴曙光. 基于改进ICP算法的线结构光扫描系统误差校准[J]. , 2016, 29(6): 178-.
[15]	方欣欣,龚如宾,李大为. 基于余弦距离的多目标粒子群优化算法[J]. , 2016, 29(3): 48-.