遺傳算法的混合改進研究及其應用.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,并在生產控制、模式識別、人工生命、機器學習等領域得到了廣泛的應用,取得了豐碩的成果。然而,遺傳算法的固有缺點也在應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、內外學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前遺傳算法研究領域的焦點和難點。受前人研究成果啟發(fā),本文結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,并在此基礎上設計交叉、變異、倒位算子。構造了由兩個開發(fā)種群、一個精英種群組成的三種群協(xié)同進化結構,并為種群設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)同進化結構下,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