遺傳算法的若干研究與應(yīng)用.pdf

1、該文介紹了遺傳算法的起源、歷史發(fā)展和主要研究方向,國(guó)內(nèi)和國(guó)際的研究動(dòng)態(tài).該文創(chuàng)新的工作主要體現(xiàn)在以下幾點(diǎn):1 該文對(duì)于經(jīng)典遺傳算法(Canonical Genetic Algorithm, CGA) 易于收斂到局部最優(yōu)(過早收斂)問題,從理論上分析了遺傳算法交叉、變異和選擇算子對(duì)種群多樣度的影響.2 提出了僅有變異、選擇算子的無交叉算子遺傳算法(Non-Crossover Genetic Algorithm, NCGA).證明該算法的搜

2、索過程是一個(gè)齊次遍歷馬爾可夫鏈,給出了基于精英保留無交叉算子遺傳算法的全局收斂性證明,并從理論上證明了無交叉算子遺傳算法的收斂速度上限等于經(jīng)典遺傳算法,基于模式定理證明無交叉算子遺傳算法保留模板概率的期望值大于經(jīng)典遺傳算法.3 提出了復(fù)合算子遺傳算法.其基本算法是遺傳算法的交叉操作、變異操作,按照比例或隨機(jī)采用多個(gè)可行的交叉和變異算子,進(jìn)行交叉和變異操作.對(duì)于NP完全的TSP問題,基于復(fù)合算子遺傳算法取得了比經(jīng)典遺傳算法更快的收斂速度.

3、針對(duì)大量的典型非線形優(yōu)化問題,與CGA相比,該文提出的算法同樣取得了更好的結(jié)果;?4 該文提出了混合編碼、混合遺傳算子操作思想.其基本思路是不同的并行子種群采用不同的編碼,不同的交叉,變異算子,種群間采用浮點(diǎn)個(gè)體進(jìn)行交流最優(yōu)個(gè)體信息,對(duì)于函數(shù)優(yōu)化問題,該文算法取得了比單一編碼和單一遺傳算子并行遺傳算法更優(yōu)的結(jié)果.該文對(duì)于每一種算法都給出了詳細(xì)的步驟,并與其他文獻(xiàn)上的算法進(jìn)行了比較,每一個(gè)結(jié)果都是可以再現(xiàn)的.關(guān)于無免費(fèi)午餐定理.Wolpe