幾種新的混合遺傳算法研究.pdf

1、遺傳算法在計算智能、人工生命、圖像處理和模式識別等方面具有重要作用。加快遺傳算法的收斂速度以提高算法的全局收斂性是當前改善遺傳算法性能的主要方向。結(jié)合優(yōu)化算法與啟發(fā)式算法思想的混合遺傳算法是提高其運行效率和求解質(zhì)量的一個有效方法。本文對混合遺傳算法的控制機理和應用進行了分析與研究，提出了幾種新的混合遺傳算法，給出了算法的理論分析，設計了算法的流程模型，并進行了仿真測試。本文的主要工作如下： (1) 根據(jù)循環(huán)進化過程能夠增強和保持

2、生物種群的多樣性，提出了一種采用循環(huán)策略的改進模擬退火遺傳算法。算法將循環(huán)策略與模擬退火遺傳算法有機地結(jié)合起來。理論分析和仿真測試表明，該算法不僅能夠保證遺傳算法的全局收斂性，而且還可以加快種群的進化速度并獲得滿意的全局最優(yōu)解。 (2) 針對量子遺傳算法解決多變量連續(xù)函數(shù)的問題提出了一種求解多變量問題的量子遺傳算法。算法將多個變量集中作用于一個通用量子染色體上，從而動態(tài)地調(diào)整進化強度并依據(jù)旋轉(zhuǎn)角生成函數(shù)確定進化方向。理論分析和

3、仿真測試表明，提出的量子遺傳算法對于求解多變量問題能獲得較快的進化速度和較好的收斂效果。 (3) 根據(jù)量子染色體中的不同的量子位在量子染色體演化中的作用強度不同，并結(jié)合量子位勢的概念，提出了一種基于量子位勢的量子遺傳算法。仿真測試表明，算法能夠在較小的種群規(guī)模和較小的量子染色體長度下獲得很好的收斂效率。 本文描述了以上混合進化計算方法的設計思想與實現(xiàn)算法，并基于矩陣與Markov鏈理論分析其收斂性與計算效率，以DEL