基于引入强制变异的改进遗传算法性能研究【毕业论文】

《基于引入强制变异的改进遗传算法性能研究【毕业论文】》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、毕业论文本科毕业论文（20届）基于引入强制变异的改进遗传算法性能研究专业：计算机科学与技术IV毕业论文摘要遗传算法GA(GeneticAlgorithm)是最近这些年来发展比较迅速的对自然界生物遗传过程与机理进行模拟的一种求解极值问题的一种自适应人工智能技术。遗传算法最早由美国密歇根大学的Holland教授提出来的，遗传算法起源于60年代对自然和人工自适应系统的研究。它主要是借鉴了遗传学中的自然选择和变异等作用机制，而开创的一种全局优化的自适应概率搜索算法。在标准遗传算法的过程中，选择算子和交叉变异算子之间存在着收敛速度和全局收敛的矛盾。进化初期

2、选择压力较大，适应度高的个体容易很快控制进化过程，造成群体的早熟，进化过程的后期，群体差异变小，使得收敛速度降低。交叉和变异算子是对解空间新区域进行搜索的有效方法。但交叉和变异操作概率要依靠经验获得，并且不同问题，情况也不一样。交叉率高，会使群体中原适应度高的个体的淘汰速度过大；交叉率低，又会使得搜索过程停滞不前。类似的，变异概率也存在同类型的问题[1]。所以对简单的遗传算法进行改进势在必行。为了避免这个问题的发生，Srinvivas等人提出了自适应的概念。这个想法的中心思想是根据最大适应度和平均适应度的关系来确定变异和交叉的概率。但是一般自适应

3、遗传算法依旧存在一个缺陷，就是容易陷入局部最优解。为能够最大限度地解决以上问题本文提出了一种强制变异、最佳解保留和自适应交叉变异相结合的改进遗传算法研究。该算法的大致原理为：在一般情况下，对种群中的个体的交叉概率和变异概率进行自适应调整，对适应度较小的个体实行单点交叉和变异。随着算法的运行，当群体中最大适应度和平均适应度的差距缩小到某一程度时，种群就会容易出现早熟现象，由此引入强制变异的方法，参照一定的比例对种群中的个体引入强制变异的操作，这样解空间的搜索范围就被扩大了，算法也能更好地实现全局优化。经过测试，该算法能有有效地避免早熟现象，实现全局

4、优化[1]。【关键词】遗传算法，交叉和变异，早熟，强制变异，自适应参数调整IV毕业论文PerformanceResearchBasedonImprovedGAWithCompulsoryMutationAbstractGeneticAlgorithm（GA）developedinrecentdecades,isanArtificialIntelligencetechnologysimulatingnaturalbiologicalprocessandmechanismtosolveextremumproblem.Itwasproposedbypr

5、ofessorHollandfromUniversityofMichigan,comefromtheresearchofArtificiallyadaptivesysetem.ItusingnaturalseletionandmutationmechanismtocreataglobaloptimizationadaptiveprobabilitysearchAlgorithm.WhenrunningGA,therearecontradictionsaboutconvergencerateandglobalconvergencebetweense

6、lectionoperatorandcrossoverandmutationoperator.Intheeralyevolution,Individualsofhighfitnesswillcontroltheprocessofevolutionquickly,leadtoprematuregroup,andinthelateevolution,littledifferenceofindividualsleadtoslowconvergencerate.Crossingandmutationareeffectivemethodstoselectn

7、ewregionofsolutionspace.ButoperationsofCrossingandmutationrelyonexperience,anddifferentproblemswithdifferentsituations.HighCrossoverprobabilitywilleliminatehighfitnessindividualsquickly;LowCrossoverprobabilitywillstopthesearching.Similarlymutationprobabilityhasthesameproblem.

8、Sowehavetoinprovethesimpletypeofgeneticalgorithm.Tosolvethisproblem,