一種優(yōu)化混合策略遺傳算法的研究與實現(xiàn).pdf

1、遺傳算法是一種借鑒生物界自然選擇和自然遺傳機制的高度并行、隨機、自適應搜索方法，作為優(yōu)化方法具有明顯的優(yōu)勢。它在搜索優(yōu)化問題的全局最優(yōu)解上具有良好的優(yōu)勢條件。遺傳算法以編碼形式工作，只使用目標函數(shù)信息，用概率傳遞規(guī)則代替確定性規(guī)則，具有運算并行性，關(guān)心每次進化群體中個體的質(zhì)量，即問題解的質(zhì)量。所以，被廣泛應用于許多領(lǐng)域，成為求解全局優(yōu)化問題的有力工具之一。盡管遺傳算法存在諸多優(yōu)越的特點，但作為一種優(yōu)化方法它仍存在著自身的局限性，特別是存

2、在著早熟、收斂速度緩慢和局部搜索能力不足的現(xiàn)象，這都影響了遺產(chǎn)算法的性能。為了克服遺傳算法的不足，提高GA效率和收斂速度，本文提出了一種改進交叉算子來改進GA來求解函數(shù)最優(yōu)化的問題的收斂速度的新的改進型遺傳算法一優(yōu)化混合策略的遺傳算法(Optimizational Mixed Strategies Genetic Algorithm，以下簡稱OMSGA)。本文中提出了兩種新的交叉算子-單親單對單子交叉和單親雙對單子交叉，這兩種交叉算子的

3、特點是在子代群體生成過程中只有一個母體生成一個子體，通過對母體隨機執(zhí)行交叉算子產(chǎn)生出具有不同形狀的新個體。單親交叉算子既可保證新一代個體具有成為可行解的基本特性，提高個體的多樣性，又可提高對解空間的搜索能力。單親交叉算子能使任何一個母體通過有限次的遺傳交叉生成另一個新個體。 該算法通過混合概率的增強策略和減弱策略，實現(xiàn)自動地調(diào)整每代種群的交叉策略的混合概率。在進化的初始，算法為每代種群設(shè)置相同的純交叉策略選擇的概率，這種各個純交

4、叉策略的概率隨種群的進化而不斷發(fā)生變化，即增強和減弱策略，這使得種群在每代進化時都要選擇具有較大概率的交叉策略，使得種群在每一代中選擇混合概率較高的交叉策略的可能性提高，這種具有較高混合概率的交叉策略就是能生成較好個體的交叉策略，而這種較大概率的交叉策略能夠在前幾代進化過程中產(chǎn)生較好的子代種群，從而使算法提高收斂速度。更重要的意義是提出新的改進策略，能夠使GA高效的處理優(yōu)化問題，使GA的應用更加深入。算法在MATLAB上編程，并采用6個