實數(shù)編碼下遺傳算法的改進及其應用.pdf

1、自從美國Michigan大學的Holland教授提出遺傳算法(Genetic Algorithms，GA)后，遺傳算法的理論及應用研究受到國內外許多學者的重視。函數(shù)優(yōu)化就是遺傳算法的經(jīng)典應用領域之一，但是使用常規(guī)的一些遺傳算法求解函數(shù)優(yōu)化問題，尤其對于多維多峰病態(tài)復雜函數(shù)，通常存在“早熟”、計算量大、求解精度低及收斂速度慢等缺陷，因此，許多學者對簡單遺傳算法做了各種改進，對遺傳算子的改進是最常用的一種方法。本文主要研究實數(shù)編碼遺傳算法的

2、改進及其在函數(shù)優(yōu)化中的應用。
　　 本文首先介紹了遺傳算法的一些數(shù)學基礎知識；其次介紹了遺傳算法目前的研究狀態(tài)，并簡單介紹了到目前為止一些學者對簡單遺傳算法做的相關改進，分析了這些改進方法的優(yōu)點及不足。
　　 針對遺傳算法在求解多維多峰復雜函數(shù)優(yōu)化問題時存在尋優(yōu)效率低，本文從增加群體多樣性著手，作了以下幾個方面的改進及研究：
　　 (1)交叉算子：本文在一些前人對交叉算子所作的改進方法上，分析了這些改進方法的優(yōu)點

3、及不足，并在此基礎上對交叉算子作了改進，改進后的交叉算子不僅具有傳統(tǒng)交叉算子的效果，而且還增加了群體的多樣性，起到變異的作用。
　　 (2)變異算子：本文在文獻[53]提出的變異尺度自適應變化的變異算子基礎上作了些改進，改進后的變異算子操作簡單，提高了遺傳算法的尋優(yōu)效率。
　　 (3)適應度函數(shù)作為貫穿遺傳算法整個優(yōu)化過程的依據(jù)，選擇不當將導致遺傳算法欺騙問題。本文提出了基于平滑函數(shù)、指數(shù)變換的適應度函數(shù)。改進后的適應度