基于c++遗传算法实现及其在连续最优化问题中的性能检测

基于c++遗传算法实现及其在连续最优化问题中的性能检测

ID:33018186

大小:63.41 KB

页数:9页

时间:2019-02-19

基于c++遗传算法实现及其在连续最优化问题中的性能检测_第1页
基于c++遗传算法实现及其在连续最优化问题中的性能检测_第2页
基于c++遗传算法实现及其在连续最优化问题中的性能检测_第3页
基于c++遗传算法实现及其在连续最优化问题中的性能检测_第4页
基于c++遗传算法实现及其在连续最优化问题中的性能检测_第5页
资源描述:

《基于c++遗传算法实现及其在连续最优化问题中的性能检测》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于C++遗传算法实现及其在连续最优化问题中的性能检测2004年第20卷第1期2004.Vol.20No」电子机械工程Electro一MechanicalEngineering53基于C++遗传算法实现及其在连续最优化问题中的性能检测岳振兴,李莉(南京电子技术研究所,江苏南京210013)摘要:对遗传算法在解连续优化问题中的关键技术进行了讨论•运用C/C++实现了遗传算法的程序编制.数值仿真结果验证了遗传算法计算性能稳健,能够对复杂,非线性的多峰连续函数进行全局寻优.关键词:遗传算法;优化;凸交叉;动态变异中图分类号:TP391.9文献标识码:B文章编号:1008—5300(2004)01—

2、0053—04ProgramofGeneticAlgorithmUsingC++andItsApplicationinContinuousOptimizationYUEZhen-xingLILi(NaResearchInstituteoffilectronicsTechnology,Nanjing210013,China)Abstract:Thekeytechniqueaboutgeneticalgorithmappliedtocontinuousoptimizationisdiscussedinthispa.per.Andthesourcecodeforgeneticalgorithmis

3、programmedusingC/C++.Simulationshowsthatthegeneticalgorithmisrobustandcanfindtheglobaloptimumforanon-linearmulti-peakcontinuousfunction.Keywords:geneticalgorithm;optimization;convex-crossover;dynamicmutation0引言遗传算法是一种借鉴生物界自然选择和自然遗传机制的高度并行,随机,自适应搜索算法,其隐含的对全局信息的有效利用能力使遗传算法具有稳健性,能够很好地处理传统优化方法解决不了的复杂和非

4、线性问题-1.遗传算法的执行过程可以简单描述为随机地在参变量空间中进行搜索,由串组成的群体在遗传算子的作用下,同时对空间中不同的区域进行采样计算,从而构成一个不断迭代进化的群体序列•遗传算法的突出表现能力是能够把注意力集中到搜索空间中期望值最高的部分,这是遗传算法屮杂交算子作用的直接结果•杂交过程就是模拟生物界中的有性繁殖,它是遗传算法中最重要的部分,是遗传算法区别于其它优化算法的根本所在•遗传算法以迭代群体中的所:有个体为操作对象,从本质上讲属于一种群体操作算法,其基本流程如图1所示•一个标准的遗传算法程序包含收稿日期:2003—04—114个基木组成部分:(1)参数编码;(2)初始群体牛

5、成;⑶适应值检测;(4)遗传操作.其中遗传操作是遗传算法的核心,它由3个基本操作算子组成,即选择算子,交叉算子和变异算子,不同的遗传算子对算法的运行性能有着各不相同的影响.文章主要从遗传算法在求解连续最优化问题中的设计与实现环节上对遗传算法进行研究.根据所求解问题的性质,设计合理的遗传算法程序,使之满足求解问题的要求.1基于C/C++遗传算法设计与实现1.1连续最优化问题连续最优化通常是极大或极小某个多变量的连续函数并使其满足一些等式/不等式约束.在实际工程应用中大多数优化问题都属于约束优化类型,但是对无约束优化问题的研究是求解约束优化问题的基础,因此这里取无约束优化模型为优化算法设计求解的

6、目54电子机械工程第20卷选出两个个体执行交叉Ilgen=O1一初始群体初始化回两赫一出个体执行变制父代到群体空『日插入到群体空闽111插入到群体空间nL_.J扩大的群体空间_J执行选择更新群体图1遗传算法基本流程图标函数•一般,无约束优化问题可用如下数学模型描述:minf()s.t.XE力其中是实值函数,可行域力是E的子集.若点’e力是上/的局部最优点,如果存在占>0使得所有XG力与距离不大于占的点满足f(X)2/(X),则点'是/在力上的全局最优点•1.2算法的设计与实现在遗传算法的实现上,编码方法,遗传算子选择,控制参数选取等都是十分关键的问题.下面针对这些问题进行设计并实现遗传

7、算法源代码程序编制].(1)编码方法遗传算法的编码方式有多种,这里采用实数编码技术来表达给定问题的解•在实数编码中,每个染色体编码为一个和解向量维数相同的实向量x=(„x,…这种编码方式可以直接对解向量进行遗传操作,从而便于引入与优化问题领域相关的启发式信息以增加遗传算法的搜索能力.遗传个体的简要类定义形式如下:classPP{public:doubleX:doubleobjvalue;intparentl,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。