自适应遗传算法交叉变异算子的改进

自适应遗传算法交叉变异算子的改进

ID:37950936

大小:982.46 KB

页数:5页

时间:2019-06-03

自适应遗传算法交叉变异算子的改进_第1页
自适应遗传算法交叉变异算子的改进_第2页
自适应遗传算法交叉变异算子的改进_第3页
自适应遗传算法交叉变异算子的改进_第4页
自适应遗传算法交叉变异算子的改进_第5页
资源描述:

《自适应遗传算法交叉变异算子的改进》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、自适应遗传算法交叉变异算子的改进121邝航宇金晶苏勇1(华南理工大学电子与通信工程系,广州510640)2(华南理工大学应用物理系,广州510640)E-mail:khymiller@21cn.com摘要标准遗传算法采用固定的交叉率和变异率,对于求解一般的全局最优问题具有较好的鲁棒性,而对于解决较复杂的优化问题则存在早熟及稳定性差的缺点。传统的自适应遗传算法虽能有效提高算法的收敛速度,却难以提高优良解的多样性,算法的鲁棒性仍有待改善。文章提出了一种改进的自适应遗传算法,对交叉算子和变异算子进行了优化,实现了交叉率和变异率的非

2、线性自适应调整。实验结果表明,相比传统的自适应遗传算法,新算法具有更快的收敛速度和更可靠的稳定性。关键词遗传算法交叉率变异率自适应文章编号1002-8331-(2006)12-0093-04文献标识码A中图分类号TP301.6ImprovingCrossoverandMutationforAdaptiveGeneticAlgorithm121KuangHangyuJinJingSuYong1(SchoolofElectronic&InformationEngineering,SouthChinaUniversityofTec

3、hnology,Guangzhou510640)2(DepartmentofAppliedPhysics,CollegeofScience,SouthChinaUniversityofTechnology,Guangzhou510640)Abstract:TheStandardGeneticAlgorithm(SGA)adoptsconstantcrossoverprobabilityaswellasinvariablemutationprobability.Ithassuchdisadvantagesaspremature

4、convergence,lowconvergencespeedandlowrobustness.CommonadaptationofparametersandoperatorsforSGAishardtoobtainhigh-qualitysolution,thoughitpromotestheconvergencespeed.ThispaperpresentsamethodforoptimaldesignofanimprovedadaptiveGeneticAlgorithmmakingthecrossoverprobab

5、ilityandmutationprobabilityadjustadaptivelyandnonlinearly.Thecasestudyofdesigningandsimulationshowsournewmethodhasfasterconvergencespeedandhigherrobustness.Keywords:GeneticAlgorithm,crossoverprobability,mutationprobability,adaptation1引言遗传算法(StandardGA,以下简称SGA)的交叉率和

6、变异率是遗传算法(GeneticAlgorithm,以下简称GA)[1]是一种模仿固定的,要为某个特定的优化问题设置好交叉率和变异率,算生物群体进化的随机搜索和优化算法,它是由美国密歇根大学法需经过反复地试验且难以丰富种群中优良解的多样性。因J.H.Holland教授等创立的。GA的基本思想来自Darwin的进化此,自适应地调整交叉率和变异率成为遗传计算中的研究热点。论和Mendel的遗传学。算法拥有一群个体(individuals)组成的Srinvas等提出了自适应遗传算法(AdaptiveGA,以下简称AGA[5],将算

7、法中的交叉率和变异率进行线性自适应调整,从种群(population),每一个体代表问题的一个潜在的解。每一个)而较好地提高了GA的收敛速度[6~8]。然而,AGA在演化初期存体在种群演化过程中都被评价优劣并得到其适应值(fitness),个体在选择(selection)、交叉(crossover)以及变异(mutation)算在停滞现象,这不利于增强GA的鲁棒性和维持较佳的种群平子的作用下向更高的适应度进化以达到寻求问题最优解的均适应度。目标[2]。本文提出了一种改进的自适应遗传算法(ImprovedAdaptive种群中

8、的个体即基因串中的相似样板被称为“模式”,模式GA,以下简称IAGA),对自适应交叉率及变异率调整曲线进行表示基因串中某些特征位相同的结构[3]。由模式定理知,具有低了非线性化,将个体的适应度与当代种群的平均适应度进行比阶、短定义距及平均适应度高于种群平均适应度的模式在子代较,结合最佳个体

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。