推断非线性S-系统的代理模型辅助智能优化方法

扫码查看

原文链接

NETL

中文摘要：研究复杂非线性动力学模型的数学性质并对其动力学性质进行预测,需要基于已有数据对动力学模型进行推断.非线性常微分方程构成的S-系统可以很好的刻画生化反应网络的特性,但由于模型参数较多,其复杂的动力学特性给稀疏S-系统结构的推断带来了很大的困难.有鉴于此,本文对S-系统推断方法进行了研究,主要工作如下:首先,提出了一种基于聚类的代理模型构建策略,采用模型集成,利用聚类算法收集有效数据集构建代理模型.并设计了一种基于聚类的代理模型辅助粒子群优化算法.该算法改进了集成代理模型的管理策略,提高了代理模型训练效果和管理过程的时间复杂度.在5个基准测试函数上的数值试验结果表明,该算法的收敛结果和运行时间均优于所比较的算法. 另外,通过引入表示网络连接的二进制变量,将数据拟合误差和L0-范数作为生物目标优化模型中的两个目标,建立双目标优化模型.将基于聚类的代理模型构建策略引入混合变量的多目标进化算法中,得到了一种代理模型辅助的混合变量进化算法.并对中小规模的非线性S-系统进行了结构识别,证明了混合变量多目标进化算法嵌入改进的代理模型构建策略可以较好地分辨S-系统的复杂动力学性质.以上数值试验结果表明,文中所提出的基于聚类的代理模型构建策略时间复杂度低,搜索效率高,可以在单目标优化测试问题的复杂适应值地形中进行高效探索和开发,而基于该策略的双目标进化算法能够有效的求解推断S-系统的双目标优化模型,为非线性系统的动力学模型推断提供了一种新的方法.

作者：

杨媛媛

展开 >

关键词：

非线性S-系统代理模型聚类算法网络推断混合变量进化算法

授予学位：

硕士

学科专业：

数学

导师：

陈彧

学位年度：

2020

学位授予单位：

武汉理工大学

语种：

中文

中图分类号：

N94