遺傳算法的改進及應(yīng)用研究.pdf

1、遺傳算法是計算數(shù)學(xué)中用來解決最優(yōu)化問題的搜索算法，是進化算法的一種。它模擬了自然界中生物進化的原理，由于它不受問題搜索空間的限制性假設(shè)約束，尤其是它不需要過多專門的領(lǐng)域知識，而是僅僅用適應(yīng)度函數(shù)作評價從而知道搜索過程，因此它得到了廣泛的應(yīng)用。
　　遺傳算法如今的研究主要著重于對算法的改進，針對它現(xiàn)有的不足，眾多學(xué)者已提出了許多改進方法。在遺傳算法中一直存在著一個矛盾，就是局部最優(yōu)和收斂速度的矛盾。若過于追求收斂速度，則可能限于局部

2、最優(yōu)，為了防止局部最優(yōu)，必然會影響到收斂速度。本文借鑒已有的改進方法，多傳統(tǒng)算法進行了幾方面的改進。本文的主要內(nèi)容組織如下：
　　(1)首先對遺傳算法的研究意義、發(fā)展概況、基本概念、理論基礎(chǔ)、主要特點等方面進行了簡明扼要的介紹。然后對遺傳算法的實現(xiàn)技術(shù)做了比較詳細的總結(jié)。
　　(2)針對傳統(tǒng)遺傳算法早熟、后期搜索效率低等缺點，提出一種基于吸引度的改進遺傳算法。根據(jù)螢火蟲之間互相吸引的特性，將螢火蟲算法中吸引度的概念引入遺傳算

3、法中。在做選擇操作時選取平均吸引度最高的兩個個體進行交配，能提高算法的執(zhí)行效率和收斂性能。將算法應(yīng)用到具體的組合優(yōu)化問題，驗證了算法的有效性。
　　(3)在已有的模擬退火混合遺傳算法中引入基因庫思想。首先生成基因庫，然后利用基因庫和單親遺傳構(gòu)建初始種群，并結(jié)合模擬退火算法，增強局部尋優(yōu)能力。然后用改進算法來解決流水作業(yè)排序問題，并與傳統(tǒng)遺傳算法進行了對比。
　?。?）將遺傳算法應(yīng)用與求解非線性規(guī)劃問題，針對此問題的特性，引入