基于交叉变异操作的遗传蚁群算法.pdf

《基于交叉变异操作的遗传蚁群算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第26卷第2期重庆师范大学学报(自然科学版)Vol.26No.22009年04月JournalofChongqingNormalUniversity(NaturalScience)Apr.2009基于交叉变异操作的连续域蚁群算法研究12刘正龙，杨艳梅（1．川北医学院计算机与数学教研室；2.西华师范大学数学与信息学院，四川南充637000)摘要：研究一种基于交叉变异操作的连续域蚁群算法﹐该算法对解的每一分量的可能取值组成一个动态的侯选组﹐并记录侯选组中的每一个可能取值的信息量。在蚁群算法的每一次迭代中﹐首先根据信息量选

2、择解分量的初值﹐然后使用交叉、变异操作来确定全局最优解的值﹐通过相应算法设计,对于来自相对适应度较大的解的分量值,其变异的区域较小,成为局部搜索,反之,变异的区域较大,则构成全局搜索。同时,随着迭代次数的增多,分量值的变异幅度逐渐变小,这样可使收敛过程在迭代次数较多时得到适当的控制,以加速收敛。最后通过仿真实验﹐把交叉变异操作的连续域蚁群算法与遗传算法性能进行比较﹐证明了交叉变异操作的连续域蚁群算法具有较高的搜索较优解的能力﹐大大节约了计算时间。关键词：交叉变异；连续域；蚁群算法中图分类号：TP18文献标识码：A文章

3、编号：1672-6693(2009)02-1在离散域组合优化问题中，蚁群算法的信息量顶点之间有m条连线，代表第i个分量候选组中的m留存、增减和最优解的选取都是通过离散的点状分布个不同的候选值，并记其中第j条连线为i,(j),在t时求解方式来进行的；而在连续域优化问题的求解中，刻（i,j）上的信息量记为tij(t)。每只蚂蚁都从第一其解空间是一种区域性的表示方法，而不是以离散的个顶点出发，按照一定的规则依次选择n-1条连线。[1]点集来表示的。因此，连续域寻优蚁群算法是将所到达第n个顶点后，再从m条连线中选取某一条连线

4、求问题解每一分量可能取值组成一个动态的侯选组，到达终点。每只蚂蚁所走过的路径代表一个解，其n并记录侯选组中的每一个可能值的信息量，在蚁群算条连线表示它的n个解。为了使解的分布具有多样法的每一次迭代中，首先根据信息量选择解分量的初性，在各个分量选取m个值后，对其实行交叉、变值，然后使用交叉、变异操作来确定全局最优解的值异操作，并将所得到的值作为新一代解的相应分量。[2]。在得到m个解后，要根据其适应度值更新各条边上[3]的信息量。每一次迭代后，要对各个分量的候选组1算法设计中的值动态更新，并在新产生的值和候选组的值中选

5、考虑如下有约束的非线性规划问题取信息量较高的m个值作为新的候选组。重复上述min(,Gxx,⋯,x)（1）迭代过程。直至满足算法停止条件为止。12n使得综上所述，基于交叉变异操作的连续域蚁群算ax+ax+⋯+ax³bi,=1,2,⋯,r法具体步骤可描述如下。（2）i11i22inni1.1初始化这里目标函数G为任一非线性函数，约束条件随机产生m个初始解，计算这m个初始解的适应构成一个凸区域。这里可采用不等式变换的方法求得度，由这m个初始解得到各个分量值的候选组，并[1]包含这个凸区域的最小的n维立方体。设该立方体根据

6、候选组中的值按其所在解适应度计算其信息量为[4]。l£x

7、生物数学模型。2重庆师范大学学报(自然科学版)2009年第2期第k只蚂蚁根据状态转移概率在第i则进行交叉操作。取b=´2(1-F),产生两个随机ave个分量的候选组内选择该分量的初值；数c1,c2Î[-b,b],使c1+c2=1，将xi)1(和xi)2(作仿射Endfork''组合产生交叉结果值xi)1(和xi)2(来替换xi)1(和对所选择的第i个分量的m个初值施行交xi)2(，其表达式为叉、变异操作生成第i个分量的新一代m'个不同的候选值，并加入候选组；xi)1(=c1xi)1(+c2xi)2(，Endfori'

8、xi)2(=c2xi)1(+c1xi)2(（6）根据所选择的一个分量构成m个新一代解，由此，对于来自整体适应度较大的一对解的分并计算新一代解的适应度值；量值，他们实行交叉的幅度较小；反之亦然。②修改各分量的候选组中各候选值的信息量；在对某个分量值x进行的交叉变异操作中，可③取各分量的候选组中的信息量较高的m个值作为新的候选组根据x所在解的相对适