遺傳算法“早熟”現(xiàn)象的探究及改進(jìn)策略.pdf

1、遺傳算法已經(jīng)成為當(dāng)前國內(nèi)外學(xué)術(shù)界研究的一個熱點問題，它是一種基于達(dá)爾文的優(yōu)勝劣汰理論，通過模擬自然界生物進(jìn)化而產(chǎn)生的一種智能優(yōu)化算法，具有設(shè)計簡單、魯棒性強、僅依靠適應(yīng)度函數(shù)進(jìn)行評價而不需要專門的領(lǐng)域知識等優(yōu)點，使得它具有廣泛的應(yīng)用范圍，目前已經(jīng)成功應(yīng)用于眾多領(lǐng)域，并得到了很好的效果。目前，遺傳算法作為進(jìn)化計算研究的一個重要分支，引起了眾多學(xué)者的關(guān)注，已經(jīng)逐漸成為了人工智能領(lǐng)域研究的熱點問題。
　　 作為一門新興的技術(shù)，遺傳算法

2、仍然處于正在發(fā)展時期，缺乏堅實的理論基礎(chǔ)。雖然在實際問題中得到了廣泛的應(yīng)用，但是在應(yīng)用的過程中仍存在群體提前收斂(早熟)、局部搜索能力弱等問題。針對以上問題，很多學(xué)者已經(jīng)提出了許多解決辦法或解決策略，也都得到了一定的效果。本文在眾多學(xué)者研究的基礎(chǔ)上，也對遺傳算法的“早熟”問題進(jìn)行了研究，主要工作及研究內(nèi)容如下：
　　 (1)從遺傳算法的基本思想、基本結(jié)構(gòu)以及算法實現(xiàn)等多方面，詳細(xì)的介紹了遺傳算法，并從模式定義、積木塊假設(shè)及內(nèi)涵并

3、行性定理等三方面研究了支持遺傳算法的理論基礎(chǔ)。
　　 (2)詳細(xì)介紹了遺傳算法“早熟”現(xiàn)象的相關(guān)內(nèi)容，尤其是產(chǎn)生“早熟”的原因及其防止策略，并由此探討了抑制遺傳算法“早熟”現(xiàn)象的改進(jìn)策略及其各自的優(yōu)缺點。
　　 (3)在其他學(xué)者研究的基礎(chǔ)上，本文通過采用自適應(yīng)精英交叉思想，并融合剩余隨機抽樣機制，對標(biāo)準(zhǔn)遺傳算法進(jìn)行了改進(jìn)，提出了另一種新的改進(jìn)算法AERGA。AERGA中對精英交叉策略進(jìn)行了改進(jìn)，即引入了自適應(yīng)機制，對精英

4、交叉概率進(jìn)行自適應(yīng)調(diào)節(jié)，并與剩余隨機抽樣機制有機的融合并在一起形成了一種新的改進(jìn)算法。
　　 (4)本文通過采用剩余隨機抽樣機制和動態(tài)引入新個體的思想，對標(biāo)準(zhǔn)的自適應(yīng)遺傳算法進(jìn)行改進(jìn)，提出了一種新的改進(jìn)算法RDAGA。RDAGA將剩余隨機抽樣機制與動態(tài)引入新個體的思想有機結(jié)合，并對交叉算子和變異算子進(jìn)行了改進(jìn)，有效的維持了群體的多樣性。
　　 最后，基于MATLAB仿真平臺對兩種新改進(jìn)的算法進(jìn)行了仿真測試，通過實驗數(shù)據(jù)比