自適應混合遺傳算法研究.pdf

1、遺傳算法是一種模擬自然進化過程搜索全局最優(yōu)解的隨機優(yōu)化算法.由于算法簡單易于實現(xiàn)、控制參數(shù)少且搜索能力強的特點，遺傳算法得到了人們的廣泛研究和應用.與其它基于種群的進化算法一樣，遺傳算法也存在著一些不足，主要表現(xiàn)在易陷入局部最優(yōu)解和局部搜索能力較弱.針對遺傳算法的參數(shù)選擇對求解效果的影響較大的問題，本文借鑒伊藤算法和萬有引力算法思想，對遺傳算法中的交叉算子和變異算子中相關參數(shù)進行改進，提出了新的遺傳算法.在混合遺傳算法基礎上，新的遺傳算

2、法能夠自適應的調(diào)節(jié)個體在交叉和變異運算中的相關參數(shù).本文并使用一些經(jīng)典的測試函數(shù)進行了數(shù)值實驗.本文的主要工作有以下兩個方面.
　　1.針對高維無約束函數(shù)優(yōu)化問題本文提出了一種新的自適應混合遺傳算法.通常情況下，為解決遺傳算法在高維無約束函數(shù)優(yōu)化問題方面暴露出來的局部搜索能力不足的缺點，對遺傳算法的改進通常會嵌入局部搜索能力較強的傳統(tǒng)優(yōu)化算法，構成局部搜索塊，來增強遺傳算法局部搜索能力.在此情況下，往往是增加算法的時間復雜度換來較

3、高局部搜索能力.伊藤算法及萬有引力算法都有類似傳統(tǒng)優(yōu)化算法的局部搜索能力較強的特點，所以將伊藤算法和萬有引力算法引入遺傳算法是一種提高其局部搜索能力的有效方法.本文借鑒伊藤算法和萬有引力算法思想對遺傳算法中的交叉和變異算子中原來隨機確定的參數(shù)進行了改進，增加了種群在交叉及變異運算中目的性，這種改進使得算法具有較強局部搜索能力，又保持了時間復雜度不變.
　　2.為解決遺傳算法在進化后期已陷入局部最優(yōu)的缺點，改進方法通常是增加變異率、

4、小生境和多種群等方法.由于混沌具有遍歷性、隨機性和對原始條件的極度敏感性等特征，而且在特定范圍內(nèi)能夠按自身規(guī)律不重復遍歷所有狀態(tài).本文同時引入混沌搜索，針對個體視所處種群環(huán)境確定交叉和變異運算中的相關參數(shù)，從而達到自適應調(diào)節(jié)參數(shù)的目的，使得種群在進化后期仍具有較強跳出局部最優(yōu)的能力.
　　通過這兩個方面改進，遺傳算法有效地克服了局部搜索能力弱以及易陷入局部最優(yōu)解的缺點.數(shù)值實驗表明，新的遺傳算法既具有較強的局部搜索能力，又能有效避