资源描述：
《一种提高遗传算法全局收敛性的方法》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、第24卷第6期东北大学学报(自然科学版)Vol24,No.62003年6月JournalofNortheasternUniversity(NaturalScience)Jun.2003文章编号:1005-3026(2003)06-0511-04一种提高遗传算法全局收敛性的方法何大阔,王福利(东北大学信息科学与工程学院,辽宁沈阳110004)摘要:通过对遗传算法过早收敛原因的分析,认为遗传算法出现过早收敛主要与问题解的分布状况、种群个体的分布情况及遗传算子的应用有关,提高算法全局收敛性能的核心就是如何使算
2、法科学地处理种群多样性及识别个体对全局收敛性能的作用提出几类与遗传算法全局收敛性能关系较大的个体,并结合小生境进化共享函数思想,形成一种旨在提高遗传算法全局收敛性、求解全局最优解的遗传算法,仿真结果验证了这种算法良好的全局收敛性能关键词:遗传算法;收敛性;多样性;遗传算子;全局最优;共享函数中图分类号:TP13文献标识码:A遗传算法以其鲁棒性、并行性及高效性等优不大,这时极易使算法由于对最优峰没能搜索到底[1~3]点得到了广泛的应用但作为一种优化算而陷入次优解不能自拔;解为多峰分布且峰与峰之[4~
3、6]法,遗传算法也存在一些不足,收敛于局部间距离较远,这时算法不能确保各算子能将搜索空极值即过早收敛就是遗传算法存在的一个有待解间扩展达最优区域,也无法保证这一区域个体的生决的问题开发一种提高遗传算法全局收敛性能存机会,于是也就无法保证算法搜索到最优解的全局收敛算法具有重要的理论与现实意义本遗传算法其自身的不完善及缺陷也是造成早文基于对算法全局收敛性能影响较大的几类个体敛现象的原因目前,GA的全局收敛理论大都是结合小生境进化思想提出一种提高遗传算法收敛基于初始种群及进化代数无限大为前提,而这实性能的有效算
4、法际上是不可能的,实际指导意义不大另外,即使能够证明算法可以在有限代内全局收敛概率为1遗传算法过早收敛的原因1,但有限的定义是多大却无法知道,这事实上也遗传算法出现过早收敛的原因很多,首先它与无实用的价值到目前为止,只能对GA的全局收问题解的分布有关一般说来,寻优算法都是向解敛性能进行改进或改善,而无法确保其全局收敛的改善方向进行搜索,而这一搜索方向是否为全局另外,遗传算法初始种群的产生方法与初始收敛的方向即达到最优解的方向却无法确定于种群的规模对初始种群的个体分布状况有着相当是,当问题解的分布较为
5、复杂、特异时,就极易使优的影响,而初始种群的个体分布状况又直接影响化算法陷入局部极值所以,对于不同的问题,应对算法的全局收敛性能由于传统GA的初始种群优化算法进行相应的调整以适应这类问题的求解,是随机选取的,初始种群的覆盖空间具有很大的降低局部收敛的可能性通常,解的分布状况出现不确定性,如果初始种群空间不包含全局最优解,下列情况就极易使算法产生早敛:在最优解附近区而遗传算子又不能在有限的进化代数内将覆盖空域解的分布较为陡峭,个体的适应值跨度较大,靠间扩延到全局最优解所在的区域,那么过早收敛近最优解的个体的适
6、应值可能很差,这样即使种群就不可避免所以,确保初始种群的多样性与个体中出现了最优区域中的个体,这些个体也可能会因分布的相对合理性就是改善GA全局收敛性首先适应值较差而遭淘汰使算法失去进一步在该区域要解决的问题由初始种群开始进行寻优搜索,在搜索的机会,从而错过最优解;解为多峰分布且最进化的过程中种群的个体分布变化的状况也决定优峰与次优峰距离较近,同时最优解与次优解相差了算法的全局收敛性能初始种群中没有的最优收稿日期:2002-11-22基金项目:教育部高等学校骨干教师资助计划;辽宁省自然科学基金资助项目(00
7、2013)作者简介:何大阔(1975-),男,辽宁沈阳人,东北大学博士后研究人员;王福利(1957-),男,辽宁辽阳人,东北大学教授,博士生导师512东北大学学报(自然科学版)第24卷解的信息可以通过群体的进化来得到,从而达到一下如何鉴别个体对全局收敛性能的作用并加以最优解但如果种群在有限的代数内不能将种群保护与引导的问题由于传统GA是采用定向选引导到最优解所在区域(即种群个体的分布无法优模式,不接受差解所以,要对某些个体实施保覆盖最优解区域)并有机会搜索该区域,就会造成护就要对传
8、统GA选择的指导思想及操作策略进算法早敛GA寻优过程中种群分布的变化几乎行改进但完全依靠随机性的概率接受劣解是无与GA所有的组成部分有关各算子的计算形式、法保证GA的全局收敛性的算法本身必须指导操作方式及操作概率,算法整体的寻优结构等都算子哪些个体是应该保护的,而哪些个体应该淘决定了种群中个体分布的变化其中,人们已广泛汰,也就是如何评价个体对全局收敛性能的作用认
