分層元胞遺傳算法研究.pdf

1、進(jìn)化算法作為一種智能搜索算法將種群中的個(gè)體當(dāng)作待解決問題的潛在解，采用類似于自然界進(jìn)化過程中的選擇和進(jìn)化機(jī)制來指導(dǎo)最優(yōu)解的搜索方向。這種解決問題的辦法已經(jīng)成功地應(yīng)用于解決一些復(fù)雜度高的傳統(tǒng)算法難以處理的工程問題。進(jìn)化算法中普遍存在的一個(gè)問題是如何在種群多樣性和種群收斂速度之間找到平衡，即如何快速捕獲全局最優(yōu)，這是當(dāng)前進(jìn)化算法研究的熱點(diǎn)，也是本文對(duì)分層元胞遺傳算法研究的意義所在。
　　針對(duì)元胞遺傳算法（CGA）求解速度慢的特點(diǎn)，分層

2、元胞遺傳算法（HCGA）在求解過程中采用一種分層操作，讓種群中的個(gè)體在進(jìn)化過程中往元胞空間中心遷移。這種分層操作強(qiáng)化了種群中優(yōu)秀個(gè)體的聚集，能有效提高元胞遺傳算法的運(yùn)算速度。在進(jìn)化算法中，算法的運(yùn)算速度與追蹤種群最優(yōu)解的能力有關(guān)，算法跳出局部最優(yōu)的能力與種群個(gè)體的多樣性密切相關(guān)。分層元胞遺傳算法的分層操作中元胞個(gè)體的移動(dòng)局限于簡(jiǎn)單地與周圍鄰居元胞進(jìn)行比較，這樣使得算法的求解速度沒有得到更大的提高。另一方面，分層元胞遺傳算法元胞空間中的元

3、胞個(gè)體僅往單一的元胞空間中心移動(dòng)，這樣使得種群的整體多樣性不能得到更好的保持。為了更進(jìn)一步提高分層元胞遺傳算法的性能，本文從提高種群追蹤最優(yōu)解的能力和種群的整體多樣性著手展開研究。
　　本文對(duì)分層元胞遺傳算法的研究?jī)?nèi)容主要包括以下幾個(gè)方面的工作：
　　1）研究了一種HCGA和PSO的混合算法
　　這種改進(jìn)的算法將粒子群優(yōu)化算法（PSO）與分層元胞遺傳算法相結(jié)合，利用粒子群算法中粒子運(yùn)動(dòng)的位置和速度隨當(dāng)前最優(yōu)解不斷更新的

4、特點(diǎn)，使得種群中個(gè)體進(jìn)行分層操作后優(yōu)秀個(gè)體聚集的趨勢(shì)更加明顯，分層元胞遺傳算法中個(gè)體在進(jìn)化時(shí)能更快速地捕獲種群全局最優(yōu)解從而提高算法的運(yùn)算速度。文中研究了這種混合算法在不同優(yōu)化強(qiáng)度下的算法性能并通過實(shí)驗(yàn)將改進(jìn)算法與其他同類型算法進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明，這種將粒子群優(yōu)化算法與分層元胞遺傳算法相結(jié)合的混合算法跟分層元胞遺傳算法相比在計(jì)算速度上有較大的提高。
　　2）研究了基于多中心城市策略的分層元胞遺傳算法
　　在進(jìn)化算法運(yùn)算

5、的過程中，隨著選擇和遺傳進(jìn)化機(jī)制的不斷進(jìn)行，種群中個(gè)體間的多樣性逐漸消失，進(jìn)化個(gè)體之間的趨同性變強(qiáng)，這種情況會(huì)阻礙種群進(jìn)化的持續(xù)進(jìn)行。因此如何保持種群的多樣性是關(guān)系到算法性能的一個(gè)很重要的因素。針對(duì)分層元胞遺傳算法中種群個(gè)體往單一的元胞空間中心區(qū)域移動(dòng)的特點(diǎn)，改進(jìn)的算法在整個(gè)種群中選取多個(gè)優(yōu)秀個(gè)體作為進(jìn)化過程中的中心城市，在種群進(jìn)化過程中元胞個(gè)體往不同的中心城市遷移。這種多中心城市策略在保持原有算法尋優(yōu)速度的同時(shí)能夠較好保持種群整體的多