基于交叉库与并行变异的自适应遗传算法
【摘要】:在工业生产中适当地使用优化算法,会极大地提高生产效率,节约生产成本。遗传算法是最经典的优化算法之一,由于其隐含并行性好、鲁棒性高、操作简便以及结果可靠等优点,被广泛应用于函数优化、人工智能、图像处理以及数据挖掘等领域。然而,传统的遗传算法存在许多不足,特别是收敛速度慢、收敛精度低与局部寻优能力差等问题,严重影响了遗传算法的实际应用效果。为了解决上述问题,本文从对交叉和变异相关操作的改进入手,提出了一种基于交叉库与并行变异的自适应遗传算法。首先,分析了传统遗传算法寻优过程中对种群情况考虑不足的缺点,分别基于种群特征值和种群信息熵与个体分布,设计了种群多样性度量函数,给出了相邻代种群相似性的概念来判断种群进化效果;通过综合考虑种群多样性与相邻代种群相似性,确定了一种新的种群评价标准——种群活力;利用种群活力,本文设计了一种新的交叉变异概率自适应变化规则,将种群适应度平均数替换为适应度众数作为新的种群适应度参考量,由种群活力与个体适应度值共同决定交叉变异概率的大小。为加快遗传算法的收敛速度,提出了动态交叉库的概念,将符合进化特征的个体存入交叉库并在交叉时作为父代参与交叉操作运算;为提高算法局部寻优能力,引入并行变异操作机制,可同时执行多种变异规则。最后,通过货物运输结构优化和油品调和优化两个应用实例来验证本文方法的有效性。实验比较结果表明,本文所提的算法能较好地克服遗传算法收敛慢、精度低和局部收敛等问题,有效提高算法的整体性能。
|
|
|
|
1 |
贺素良,喻寿益;基于动态补偿参数和改进的自适应遗传算法的系统辨识方法[J];计算机工程与应用;2003年19期 |
2 |
张胜辉,陈新度,陈新;基于自适应遗传算法的分销系统订货策略研究[J];计算机工程与应用;2003年24期 |
3 |
朱力立,张焕春,经亚枝;基于六模糊控制器的自适应遗传算法[J];吉林大学学报(信息科学版);2003年04期 |
4 |
袁晓辉,曹玲,夏良正;具有成熟前收敛判断的自适应遗传算法(英文)[J];Journal of Southeast University(English Edition);2003年01期 |
5 |
朱力立,张焕春,经亚枝;基于六模糊控制器的自适应遗传算法(英文)[J];Transactions of Nanjing University of Aeronautics & Astronau;2003年02期 |
6 |
刘学观,郭辉萍,赵鹤鸣;基于模糊进程因子的改进自适应遗传算法[J];通信技术;2003年11期 |
7 |
宋玉林,齐欢;基于自适应遗传算法的配送车辆调度聚类分析[J];计算机与数字工程;2004年02期 |
8 |
杨鹏,刘希顺,刘安芝,余理富;自适应遗传算法在脑电逆问题中的应用[J];计算机与现代化;2004年06期 |
9 |
张群,赵刚;基于模糊逻辑控制器的自适应遗传算法[J];工业工程与管理;2004年06期 |
10 |
金晶,苏勇;一种改进的自适应遗传算法[J];计算机工程与应用;2005年18期 |
11 |
何宏,钱锋;模糊自适应遗传算法的原理和发展[J];计算机工程与应用;2005年22期 |
12 |
林大正,王行愚,陈月军;一种改进的自适应遗传算法及其在物流调度中的应用[J];计算机与数字工程;2005年07期 |
13 |
黄永青,梁昌勇,张祥德,杨善林;一种小种群自适应遗传算法研究[J];系统工程理论与实践;2005年11期 |
14 |
卢长娜;王如云;陈耀登;;自适应遗传算法[J];计算机仿真;2006年01期 |
15 |
史明霞;陶林波;沈建京;;自适应遗传算法的改进与应用[J];微计算机应用;2006年04期 |
16 |
江鹰;;一种基于方差的自适应遗传算法[J];安庆师范学院学报(自然科学版);2006年03期 |
17 |
徐峥;炎士涛;;基于父个体更新的自适应遗传算法[J];微计算机信息;2006年31期 |
18 |
王国锐;李红;;一种改进的自适应遗传算法[J];应用数学;2007年S1期 |
19 |
陈超武;董绍华;;求解炼钢—连铸批量问题的自适应遗传算法[J];制造业自动化;2007年02期 |
20 |
朱志宇;王建华;;基于混沌优化自适应遗传算法的数据关联求解[J];航天控制;2007年04期 |
|