小生境技術及求解約束優(yōu)化問題的遺傳算法研究.pdf

1、遺傳算法（genetic algorithm簡稱：GA）是一種模擬自然界生物進化過程“適者生存”的高效、隨機搜索算法。它以多點（群體）并行搜索，可以避免算法陷入局部最優(yōu)，適用范圍廣、能夠解決傳統(tǒng)優(yōu)化方法難以解決的優(yōu)化問題。雖然，大量的研究表明標準遺傳算法（Standard “GA”簡稱：“SGA”）在許多領域得到了成功的應用，但是局部搜索能力差和早熟是其很明顯的缺點。遺傳算法（Niche“GA”簡稱：NGA）中引入小生境技術有利于維持種

2、群多樣性，提高算法的搜索能力，理論上能夠求得整個解空間的局部解。盡管現(xiàn)有的各類GA方法在處理約束優(yōu)化問題時顯示出了一定的求解能力，然而面對各種各樣的不同問題如何合理的處理約束條件對GA來說仍是較難處理的問題。綜上，基于大概率獲得實際中各種復雜優(yōu)化問題全局解或盡可能多的局部解甚至全部局部解，本文圍繞“GA”進行了如下研究： 一、SGA自身改進。首先研究了遺傳算法的第一步操作編碼，選擇目前最為常用的十進制、二進制、格雷三種編碼方式進

3、行了若干數(shù)值GA實驗，得出了一些對實際應用有指導意義的結論。其次針對標準遺傳算法早熟和局部搜索能力差的缺點，設計了改進的交叉算子和引入較優(yōu)個體周圍局部搜索策略來提高算法的搜索性能。 二、NGA研究。針對目前應用最廣泛、最有效的基于共享機制的NGA的不足，對此方法中最關鍵的小生境參數(shù)確定和共享策略的設計兩個操作從幾方面進行了改進：利用初始個體適應度值的變化規(guī)律和引入隨機方向法分別確定小生境參數(shù)，小生境內構造了共享法和百分位法共享策

4、略，以維持種群多樣性，營造各小生境同時進化的氛圍。根據(jù)小生境進化的特殊性，構造了一種基于歐氏距離下的(1+1)競爭小生境遺傳算法。 三、利用改進遺傳算法求解約束優(yōu)化問題的方法研究。針對約束優(yōu)化問題中緊約束問題和可行域相對整個解空間所占比例較小的兩種傳統(tǒng)方法不易處理的問題分別提出了違約解修正法和改進的違約解轉化法。通過對選取的數(shù)個典型機械優(yōu)化實例和典型測試函數(shù)的成功求解證明了本文系列研究和改進工作的有效性，也說明了遺傳算法在工程優(yōu)