自適應(yīng)混合遺傳算法研究.pdf

1、遺傳算法是一種模擬自然進(jìn)化過程搜索全局最優(yōu)解的隨機(jī)優(yōu)化算法.由于算法簡(jiǎn)單易于實(shí)現(xiàn)、控制參數(shù)少且搜索能力強(qiáng)的特點(diǎn)，遺傳算法得到了人們的廣泛研究和應(yīng)用.與其它基于種群的進(jìn)化算法一樣，遺傳算法也存在著一些不足，主要表現(xiàn)在易陷入局部最優(yōu)解和局部搜索能力較弱.針對(duì)遺傳算法的參數(shù)選擇對(duì)求解效果的影響較大的問題，本文借鑒伊藤算法和萬(wàn)有引力算法思想，對(duì)遺傳算法中的交叉算子和變異算子中相關(guān)參數(shù)進(jìn)行改進(jìn)，提出了新的遺傳算法.在混合遺傳算法基礎(chǔ)上，新的遺傳算

2、法能夠自適應(yīng)的調(diào)節(jié)個(gè)體在交叉和變異運(yùn)算中的相關(guān)參數(shù).本文并使用一些經(jīng)典的測(cè)試函數(shù)進(jìn)行了數(shù)值實(shí)驗(yàn).本文的主要工作有以下兩個(gè)方面.
　　1.針對(duì)高維無約束函數(shù)優(yōu)化問題本文提出了一種新的自適應(yīng)混合遺傳算法.通常情況下，為解決遺傳算法在高維無約束函數(shù)優(yōu)化問題方面暴露出來的局部搜索能力不足的缺點(diǎn)，對(duì)遺傳算法的改進(jìn)通常會(huì)嵌入局部搜索能力較強(qiáng)的傳統(tǒng)優(yōu)化算法，構(gòu)成局部搜索塊，來增強(qiáng)遺傳算法局部搜索能力.在此情況下，往往是增加算法的時(shí)間復(fù)雜度換來較

3、高局部搜索能力.伊藤算法及萬(wàn)有引力算法都有類似傳統(tǒng)優(yōu)化算法的局部搜索能力較強(qiáng)的特點(diǎn)，所以將伊藤算法和萬(wàn)有引力算法引入遺傳算法是一種提高其局部搜索能力的有效方法.本文借鑒伊藤算法和萬(wàn)有引力算法思想對(duì)遺傳算法中的交叉和變異算子中原來隨機(jī)確定的參數(shù)進(jìn)行了改進(jìn)，增加了種群在交叉及變異運(yùn)算中目的性，這種改進(jìn)使得算法具有較強(qiáng)局部搜索能力，又保持了時(shí)間復(fù)雜度不變.
　　2.為解決遺傳算法在進(jìn)化后期已陷入局部最優(yōu)的缺點(diǎn)，改進(jìn)方法通常是增加變異率、

4、小生境和多種群等方法.由于混沌具有遍歷性、隨機(jī)性和對(duì)原始條件的極度敏感性等特征，而且在特定范圍內(nèi)能夠按自身規(guī)律不重復(fù)遍歷所有狀態(tài).本文同時(shí)引入混沌搜索，針對(duì)個(gè)體視所處種群環(huán)境確定交叉和變異運(yùn)算中的相關(guān)參數(shù)，從而達(dá)到自適應(yīng)調(diào)節(jié)參數(shù)的目的，使得種群在進(jìn)化后期仍具有較強(qiáng)跳出局部最優(yōu)的能力.
　　通過這兩個(gè)方面改進(jìn)，遺傳算法有效地克服了局部搜索能力弱以及易陷入局部最優(yōu)解的缺點(diǎn).數(shù)值實(shí)驗(yàn)表明，新的遺傳算法既具有較強(qiáng)的局部搜索能力，又能有效避