资源描述：
《基于网络遗传算法的全局优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、网络与通信文章编x:1008-0570(2006)09-3-0163-03基于网络遗传算法的全局优化TheGlobalOptimizationAlgorithmBasedonIntelligentGeneticOperatorM防科技大学)孙权郑龙Sun,QuanZheng,Long摘要:本文在分析当前全局优化方法研究现状的基拙上，提出了一种改进的遗传算法一一网络遗传算法，应用简单实例说明了网络遗传算法的具体操作，同时应用大f数值实例证明了网络遗传算法解决全局优化问题的可行性、正确性、有效性。关键词:全局优化;标准遗传算法;网络遗传算法中图分类号:TP加文献标识码:AAbst
2、ract:Thispaperanalyzedcurrentstudystatusofglobaloptimizationalgorithm,putforwardanewimprovedgeneticalgorithm,NetGeneticAlgorithm,explainedthematerialoperationofNetGeneticAlgorithmbasedonsomeexamples,testifiedthecorrectnessandfeasibilityofthismethodbasedonmanynumericalexamples.Keywords:Globa
3、lOptimizationAlgorithm;StandardGeneticAlgorithm;NetGeneticAlgorithm隧道函数法、山丘函数法等;徐丽娜、孙增折等都阐述1引言了应用标准遗传算法(StandardGeneticAlgorithm,1.1全局优化问题的描述SGA)求解全局优化问题的方法。全局优化问题的数学模型描述如下:传统全局优化方法有其局限性，各种方法思路、FindX=以,x2,...,x.ll各异，标准性差，而且都没能编制出像局部优化那样lesMinF(X)、r的优化软件。标准遗传算法局部优化能力弱，收敛速L.S.T.q(X)50,l=1,2,.
4、...es度慢。.lwe本文在标准遗传算法的基础上，提出了一种改H.(X)=0'M=1,2,...,M了进的遗传算法—网络遗传算法，这种方法有效地X为变量向量，n为变量维数，F江)为目标函数，G,解决了标准遗传算法局部优化能力弱、收敛速度慢因为不等式约束条件，1为不等式约束个数，Hm(X)为的局限性。等式约束，m为等式约束个数。全局最优解就是在所2标准遗传算法描述求问题的可行域空间n内，找出一个点r，使得在整个可行域内，该点的函数值为最小。即对于任意的Xe2.1标准遗传算法的处理流程n，都有F(X),F(X")o标准遗传算法是一种群体型操作，该操作以群体1.2全局优化问题研究
5、的必要性中的所有个体为对象。选择、交叉、变异是标准遗传算在实际工程中，许多优化问题都要求在可行域内法的3个主要基因操作。标准遗传算法的基本处理流寻找模型的全局最优解，多年来工程优化界一直为寻程如图1所示。找有效的全局优化算法而努力，虽然发展了一些方法，但现有的每一种方法只能解决个别问题，通用性较差，难以适应更具有一般化性态的目标函数。因此，研究优化模型的全局最优化方法仍然是当前优化设计的重要工作之一。1.3全局优化现有方法的不足全局优化现有方法包括一些传统全局优化方法和标准遗传算法。粟塔山教授提出了解决全局优化问题的填充函数法;解决全局优化问题的传统方法还有孙权:博士副教授基
6、金项目:国防“十五”预研项目(编号不公开)图1标准遗传算法的基本流程仓。自。，局”阅号:82-94636。元‘年一‘63网络与通信中文核心期刊《微计算机信息》(管控一体化))2006年第22卷第9-3期2.2标准遗传算法的三种基因操作3)计算这N个节点的函数值(染色体的适应度);标准遗传算法有三种基因操作:选择、交叉和变4)根据节点函数值(染色体适应度)，选择一个最优异。节点(染色体)。选择操作。选择操作的目的是为了从当前群体中图2是网络选择操作的一个简单实例。选出优良个体，使它们有机会作为父代为下一代繁殖子孙。判断个体优良与否的准则是各自的适应度值。叮.二(z.。)-(z.
7、5)一(30)初始节点为(1.0.1.0)数:y=xl+xz,求最小值;交叉操作。交叉可分两步进行:首先对配对库中_」操作过程如下‘一‘’.的个体进行随机配对，其次在配对个体中随机设定交口、4.一，)1)单位空间如灰色区域所示U.5)(z.0)(.z)选取的9个节点如实心圆圈所示叉处，配对个体彼此交换部分信息。.“.」3)各点函数值标在该点右侧括号内变异操作。变异操作是按位((bit)进行的，即把某一选择结果(局部最优点)为位的内容进行变异。变异操作同样也是随机的。变异5，0-5):操作是十分微妙的遗传
