遺傳算法的混合改進研究及其應(yīng)用.pdf

1、遺傳算法是一種模擬自然選擇和生物遺傳進化過程的概率搜索算法,它具有魯棒性強、全局搜索性能好、易于并行化等特點。經(jīng)過多年的研究和不斷完善,遺傳算法已具備求解組合優(yōu)化問題的通用框架,并在生產(chǎn)控制、模式識別、人工生命、機器學(xué)習(xí)等領(lǐng)域得到了廣泛的應(yīng)用,取得了豐碩的成果。然而,遺傳算法的固有缺點也在應(yīng)用過程中逐漸暴露出來,這主要體現(xiàn)在其在優(yōu)化求解的過程中易陷入局部最優(yōu)、局部搜索和微調(diào)能力差以及進化中后期個體之間的差異性急劇縮小三個方面。多年來,國

2、內(nèi)外學(xué)者從多個方面提出了對遺傳算法的改進策略,取得了顯著的成效,而混合遺傳算法和多種群遺傳算法是當(dāng)前遺傳算法研究領(lǐng)域的焦點和難點。受前人研究成果啟發(fā),本文結(jié)合混合遺傳算法和多種群遺傳算法的特點,提出可行、有效的混合改進策略。
　　本文主要的研究內(nèi)容和工作包括以下三個部分:
　　(1)針對遺傳算法易陷入局部最優(yōu)、全局尋優(yōu)能力弱、多樣性喪失快的問題,提出多種群的退火DNA遺傳算法(MADNAGA)。對待求解問題的參數(shù)編碼采用由四

3、種脫氧核糖核酸堿基組成的字符集,并在此基礎(chǔ)上設(shè)計交叉、變異、倒位算子。構(gòu)造了由兩個開發(fā)種群、一個精英種群組成的三種群協(xié)同進化結(jié)構(gòu),并為種群設(shè)計不同的遺傳進化機制和進化控制參數(shù),通過種群交互策略實現(xiàn)種群間的信息交流。此外,引入模擬退火機制實現(xiàn)種群個體的更新。最后,通過八個函數(shù)優(yōu)化實驗和實驗結(jié)果的對比驗證新算法的有效性和優(yōu)越性。
　　(2)在DNA編碼和三種群協(xié)同進化結(jié)構(gòu)下,對種群的交流方式和個體的生成以及選擇方式做了更進一步改進,提