注入式遺傳算法的分析與研究.pdf

1、遺傳算法是借鑒生物的自然選擇和遺傳進化機制的一種全局優(yōu)化隨機搜索算法，它提供了一種求解復(fù)雜系統(tǒng)優(yōu)化問題的通用框架，不依賴于問題的具體領(lǐng)域，對各類問題具有很強的魯棒性，所以被應(yīng)用于很多學(xué)科。本文介紹的一種改進的注入式遺傳算法，不僅具備了遺傳算法全局搜索能力強的優(yōu)點，還具備了范例庫的存儲記憶能力。 在實際應(yīng)用中，許多不同的問題之間存在一定的相互聯(lián)系和共性特點，遺傳算法優(yōu)化某個問題所得到的結(jié)果、經(jīng)驗和知識對于優(yōu)化類似問題具有借鑒和指導(dǎo)

2、意義?；谑褂弥R共享使遺傳算法迅速達到全局最優(yōu)的目的，本文改進并論述了一種新的注入式遺傳算法：每間隔一定的進化代數(shù)，從范例庫中選取與當前群體最優(yōu)個體相似的個體注入當前群體中，在提高群體素質(zhì)的同時保持群體的多樣性。如何構(gòu)建高效的知識庫和如何對相似性問題進行有效判別仍然是注入式遺傳算法中有待探討的地方。本文提出了一種相似性問題的判別方法來對注入式遺傳算法進行改進。 相似性問題的判別準則是運用注入式遺傳算法求解問題的關(guān)鍵，相似性問題

3、的判斷也就是本文重點研究的問題。文中采用了模糊數(shù)學(xué)中的模糊聚類與模糊識別方法作為個體相似性判別準則。首先對一系列問題用模糊聚類法進行分類，再采用模糊識別法對此類進行識別，找出相似個體。引用模糊數(shù)學(xué)的方法解決相似性問題的判別，對注入式遺傳算法而言是一種新的嘗試，也是本文的難點與創(chuàng)新點。 文中選用經(jīng)典的組合優(yōu)化問題——TSP問題進行測試，采用三種不同的遺傳算法即基本遺傳算法、小生境遺傳算法和注入式遺傳算法對其進行求解，在沒有統(tǒng)一的標