幾種新的混合遺傳算法研究.pdf

1、遺傳算法在計(jì)算智能、人工生命、圖像處理和模式識(shí)別等方面具有重要作用。加快遺傳算法的收斂速度以提高算法的全局收斂性是當(dāng)前改善遺傳算法性能的主要方向。結(jié)合優(yōu)化算法與啟發(fā)式算法思想的混合遺傳算法是提高其運(yùn)行效率和求解質(zhì)量的一個(gè)有效方法。本文對(duì)混合遺傳算法的控制機(jī)理和應(yīng)用進(jìn)行了分析與研究，提出了幾種新的混合遺傳算法，給出了算法的理論分析，設(shè)計(jì)了算法的流程模型，并進(jìn)行了仿真測試。本文的主要工作如下： (1) 根據(jù)循環(huán)進(jìn)化過程能夠增強(qiáng)和保持

2、生物種群的多樣性，提出了一種采用循環(huán)策略的改進(jìn)模擬退火遺傳算法。算法將循環(huán)策略與模擬退火遺傳算法有機(jī)地結(jié)合起來。理論分析和仿真測試表明，該算法不僅能夠保證遺傳算法的全局收斂性，而且還可以加快種群的進(jìn)化速度并獲得滿意的全局最優(yōu)解。 (2) 針對(duì)量子遺傳算法解決多變量連續(xù)函數(shù)的問題提出了一種求解多變量問題的量子遺傳算法。算法將多個(gè)變量集中作用于一個(gè)通用量子染色體上，從而動(dòng)態(tài)地調(diào)整進(jìn)化強(qiáng)度并依據(jù)旋轉(zhuǎn)角生成函數(shù)確定進(jìn)化方向。理論分析和

3、仿真測試表明，提出的量子遺傳算法對(duì)于求解多變量問題能獲得較快的進(jìn)化速度和較好的收斂效果。 (3) 根據(jù)量子染色體中的不同的量子位在量子染色體演化中的作用強(qiáng)度不同，并結(jié)合量子位勢的概念，提出了一種基于量子位勢的量子遺傳算法。仿真測試表明，算法能夠在較小的種群規(guī)模和較小的量子染色體長度下獲得很好的收斂效率。 本文描述了以上混合進(jìn)化計(jì)算方法的設(shè)計(jì)思想與實(shí)現(xiàn)算法，并基于矩陣與Markov鏈理論分析其收斂性與計(jì)算效率，以DEL