毕业论文

打赏
当前位置: 毕业论文 > 电子通信 >

基于遗传算法的高分辩率雷达目标识别方法(4)

时间:2017-06-17 17:18来源:毕业论文
为了使其得到我们所期望的性能,我们需调节种群内成员的竞争等级。在遗传算法实现的初步阶段,种群内常常会出现极不寻常的个体,在正常规则下,这


为了使其得到我们所期望的性能,我们需调节种群内成员的竞争等级。在遗传算法实现的初步阶段,种群内常常会出现极不寻常的个体,在正常规则下,这些个体甚至会在某一代中占取显著比例。通过“适应度变换”可以改善此结果。这里用的是线性变换:
其中,F为“初始尺度适应度”,F*“尺度变换后的适应度”。
我们这里使让尺度变换后的适应度F*avg等于平均初始适应度Favg,以保证平均每个种群都给后代贡献一个字符串。
为了控制子代数量,给种群成员以最大初始适应度和最大尺度变换后的适应度,F*max 取下面的值:
其中cmult是种群成员最优缩放因子,通常是1.2和2之间。从上述两个条件,a和b可以得出:
因此,少数极不寻常的个体数量减少,而较低的种群成员数量增加。当一些字符串水平远远低于种群平均及最高时,使用上述的线性扩展,可能会导致较低的适应度的值为负。在这种情况下,我们仍然让初始适应度和尺度变换后的适应度的平均值相等,但将最小初始适应度Fmin映射的尺度变换后的适应度F*min = 0。那么a和b表示为: 基于遗传算法的高分辩率雷达目标识别方法(4):http://www.youerw.com/tongxin/lunwen_9357.html
------分隔线----------------------------
推荐内容