遺傳算法的一些改進及其應(yīng)用.pdf

1、科學理論研究與實踐中，往往存在著這樣一類問題，就是需要在眾多的方案中確定最優(yōu)方案的標準，并且給出尋找最優(yōu)方案的方法，此類問題就稱為優(yōu)化問題。目前對于一些簡單的情況，科學工作者已經(jīng)研究出了比較成熟的算法和方法。但是，對于一些復雜的系統(tǒng)，他們往往感到力不從心，努力尋求更加有效的方法。
　　 20世紀40年代以來，學者注意到生物在自然演化過程中表現(xiàn)出強大的適應(yīng)能力，生物不斷復制優(yōu)勢遺傳基因，改善群體的適應(yīng)性，得到具有很強適應(yīng)性的優(yōu)良物

2、種。遺傳算法正是建立在自然演化系統(tǒng)理論研究基礎(chǔ)之上的一類優(yōu)化方法。作為一類有效的全局優(yōu)化搜索算法，遺傳算法具有以下特點：(1)使用群體搜索技術(shù)，具有隱含并行性，提高了算法的運行效率；(2)使用基于目標函數(shù)值的評價信息，不需要目標函數(shù)的代數(shù)表達式；(3)具有很強的穩(wěn)定性，提高了結(jié)果的可信度；(4)簡單通用，便于與其他方法結(jié)合成混合算法。
　　 但是，遺傳算法的局部搜索能力不強。即便依靠強的全局收斂性可以很快地達到最優(yōu)解附近，搜索到

3、最優(yōu)解也要花很長時間。造成上述現(xiàn)象的主要原因在于子代不斷繼承父代的基因，降低了群體的多樣性程度，使得算法易于陷入局部收斂。為充分利用遺傳算法的優(yōu)勢、避開其缺陷、加快收斂速度，除了設(shè)計科學合理的基本操作算子、選取適合的參數(shù)之外，一個有效的方法就是采用混合策略。也就是在遺傳進化的過程中引入快速收斂的局部尋優(yōu)算法，構(gòu)成混合遺傳算法。
　　 國外研究人員在提高遺傳算法的局部搜索能力、加快尋優(yōu)速度方面取得了顯著的成果(A1len Gard

4、ner B，Michael S S，2003)，(KurtA H，John Eddy，KemperE L，2002)，(Ghasemi M R，Hinton E，Wood R D，1999)。國內(nèi)研究人員對遺傳算法與可變?nèi)莶罘ā⒛M退火法等的混合算法進行了研究，也在許多不同領(lǐng)域的應(yīng)用獲得了重要的成果。M.J.Box于1965年提出了復合形方法(劉戰(zhàn)合，2004)，通過對設(shè)計個體進行反射、擴張、壓縮等基本操作實現(xiàn)全局尋優(yōu)，具有較強的局部尋

5、優(yōu)能力，易于收斂。本文將研究遺傳算法與復合形法的結(jié)合，并通過實例結(jié)果分析該混合算法的性能。
　　 本文共六章，第一章介紹遺傳算法的特征、發(fā)展與應(yīng)用，并說明本文的選題依據(jù)，研究內(nèi)容和基本方法。第二章介紹遺傳算法的基礎(chǔ)知識。第三章探討遺傳算法的實現(xiàn)技術(shù)，介紹相關(guān)的基本遺傳操作算子。第四章給出遺傳算法的一些改進策略，包括對基本操作算子設(shè)計與算法參數(shù)選取的改進，以及對遺傳算法早熟收斂現(xiàn)象的改進方案。改進方案從兩個角度來研究遺傳算法與復合