遺傳算法中自適應(yīng)進化與復(fù)合交叉的應(yīng)用研究.pdf

1、遺傳算法作為一種通用性好、魯棒性強的啟發(fā)式隨機化搜索優(yōu)化算法，廣泛地應(yīng)用于自動控制、組合優(yōu)化、圖像處理、機器人、人工生命、機器學習、人工智能和工程設(shè)計等領(lǐng)域。尤其是當搜索空間很大、非常復(fù)雜或?qū)栴}領(lǐng)域的先驗知識很少時，使用經(jīng)典搜索工具如枚舉法、啟發(fā)式方法等不適宜的情況下，遺傳算法提供了一種效率高且有效的求解問題的合理方法?！　”疚氖紫容^全面系統(tǒng)地介紹了目前國內(nèi)外研究者在改進遺傳算法搜索性能方面進行的研究工作和取得的研究成果。接著提出了

2、一種基于個體相似度的遺傳算法，新算法對標準遺傳算法產(chǎn)生子代個體(交叉和變異)的策略進行了修改，其基本思想是：當兩父個體相似度較低時執(zhí)行交叉操作產(chǎn)生子代個體，父個體相似度較高時則采用變異的方法產(chǎn)生子代個體。這樣，一方面交叉產(chǎn)生的優(yōu)秀子個體將不經(jīng)變異直接與其它子個體(交叉產(chǎn)生的其它個體以及變異產(chǎn)生的個體)競爭而得以生存下來，而在標準遺傳算法中，交叉產(chǎn)生的優(yōu)秀個體再歷經(jīng)變異，極有可能在變異過程中遭到破壞而成為非優(yōu)秀個體，從而影響算法的收斂性及

3、收斂速度；另一方面又避免了高相似度個體進行交叉而導(dǎo)致種群多樣性的喪失，從而一定程度上能抑制早熟收斂現(xiàn)象的發(fā)生。使用此改進的遺傳算法對多個Benchmark測試函數(shù)在計算機上進行模擬求解，將之與采用普通交叉變異策略的遺傳算法的計算結(jié)果進行了對比，證明該算法的有效性。然后將基于個體相似度的遺傳算法應(yīng)用于圖的度約束最小生成樹構(gòu)造問題，取得了令人滿意的結(jié)果。針對實數(shù)編碼提出了一種通用的基于決策變量的復(fù)合交叉算子，并將之用于多目標優(yōu)化問題的求解，