遺傳算法“早熟”現(xiàn)象的探究及改進策略.pdf

1、遺傳算法已經(jīng)成為當前國內(nèi)外學術(shù)界研究的一個熱點問題，它是一種基于達爾文的優(yōu)勝劣汰理論，通過模擬自然界生物進化而產(chǎn)生的一種智能優(yōu)化算法，具有設計簡單、魯棒性強、僅依靠適應度函數(shù)進行評價而不需要專門的領域知識等優(yōu)點，使得它具有廣泛的應用范圍，目前已經(jīng)成功應用于眾多領域，并得到了很好的效果。目前，遺傳算法作為進化計算研究的一個重要分支，引起了眾多學者的關注，已經(jīng)逐漸成為了人工智能領域研究的熱點問題。
　　 作為一門新興的技術(shù)，遺傳算法

2、仍然處于正在發(fā)展時期，缺乏堅實的理論基礎。雖然在實際問題中得到了廣泛的應用，但是在應用的過程中仍存在群體提前收斂(早熟)、局部搜索能力弱等問題。針對以上問題，很多學者已經(jīng)提出了許多解決辦法或解決策略，也都得到了一定的效果。本文在眾多學者研究的基礎上，也對遺傳算法的“早熟”問題進行了研究，主要工作及研究內(nèi)容如下：
　　 (1)從遺傳算法的基本思想、基本結(jié)構(gòu)以及算法實現(xiàn)等多方面，詳細的介紹了遺傳算法，并從模式定義、積木塊假設及內(nèi)涵并

3、行性定理等三方面研究了支持遺傳算法的理論基礎。
　　 (2)詳細介紹了遺傳算法“早熟”現(xiàn)象的相關內(nèi)容，尤其是產(chǎn)生“早熟”的原因及其防止策略，并由此探討了抑制遺傳算法“早熟”現(xiàn)象的改進策略及其各自的優(yōu)缺點。
　　 (3)在其他學者研究的基礎上，本文通過采用自適應精英交叉思想，并融合剩余隨機抽樣機制，對標準遺傳算法進行了改進，提出了另一種新的改進算法AERGA。AERGA中對精英交叉策略進行了改進，即引入了自適應機制，對精英

4、交叉概率進行自適應調(diào)節(jié)，并與剩余隨機抽樣機制有機的融合并在一起形成了一種新的改進算法。
　　 (4)本文通過采用剩余隨機抽樣機制和動態(tài)引入新個體的思想，對標準的自適應遺傳算法進行改進，提出了一種新的改進算法RDAGA。RDAGA將剩余隨機抽樣機制與動態(tài)引入新個體的思想有機結(jié)合，并對交叉算子和變異算子進行了改進，有效的維持了群體的多樣性。
　　 最后，基于MATLAB仿真平臺對兩種新改進的算法進行了仿真測試，通過實驗數(shù)據(jù)比