仿生算法及其在專家分配問題中的應(yīng)用.pdf

1、遺傳算法和蟻群優(yōu)化算法是兩種最流行的仿生算法，前者以自然選擇和遺傳變異理論為基礎(chǔ)，后者則是對螞蟻覓食行為進(jìn)行模擬而提出的一種仿生算法。本文對這兩種算法進(jìn)行了深入的研究，針對它們收斂速度慢、多樣性差、容易早熟等不足，提出了幾種改進(jìn)的方法。此外，本文還將這兩種算法成功應(yīng)用到一個新的領(lǐng)域--專家分配問題。取得的成果和創(chuàng)新點(diǎn)如下： 提出了兩種改進(jìn)多峰值搜索能力的遺傳算法。一種是改進(jìn)局部搜索能力的小生境遺傳算法。該算法在進(jìn)化后期進(jìn)行小生境

2、境內(nèi)的交叉與變異操作來取代其在整個解空間內(nèi)的交叉變異，進(jìn)行有針對性的局部搜索。它具有更高的求解精度，更快的收斂速度，是一種尋優(yōu)能力、效率和可靠性更高的優(yōu)化算法。另一種方法將小生境遺傳算法和Hopfield神經(jīng)網(wǎng)絡(luò)有機(jī)的結(jié)合在一起，首先進(jìn)行小生境遺傳算法尋優(yōu)，然后對所得具有全局多樣性的解進(jìn)行聚類分析，得到的聚類中心作為Hopfield網(wǎng)絡(luò)的初始搜索點(diǎn)，最后利用Hopfield網(wǎng)絡(luò)逐個尋優(yōu)。該方法綜合了Hopfield神經(jīng)網(wǎng)絡(luò)準(zhǔn)確、快速和小

3、生境遺傳算法多樣性的優(yōu)點(diǎn)。 提出了一種蟻群優(yōu)化算法和遺傳算法的混合算法。該算法將遺傳操作引入到了蟻群優(yōu)化算法的每一次迭代后，利用遺傳算法全局快速收斂的優(yōu)點(diǎn)，來加快蟻群系統(tǒng)的收斂速度。并且通過遺傳算法的變異機(jī)制，增強(qiáng)了蟻群系統(tǒng)跳出局部最優(yōu)的能力。 提出了一種具有先驗(yàn)知識的蟻群優(yōu)化算法。新算法將問題特征作為先驗(yàn)知識事先提取出來，并賦予蟻群優(yōu)化算法中的精英螞蟻以識別該固有特征的能力，以提高精英螞蟻的搜索質(zhì)量，進(jìn)而使得新算法整體