自适应遗传算法的研究及应用

【摘要】： 简单遗传算法作为一种启发式搜索算法,在应用中常出现收敛过慢、稳定性差及早熟现象等问题,而现有的一些自适应遗传算法容易产生局部最优解。因此,对自适应遗传算法的进一步研究和探讨是很必要的。 针对简单遗传算法和现有的一些自适应遗传算法的缺陷,结合自适应调整遗传算法的控制参数的思想,本文借助神经网络中构造神经元激活函数最常用的sigmoid函数,并利用余弦函数,设计了与种群个体适应度值分布相关的非线性自适应遗传算子,希望本论文提出的新的自适应遗传算法,不仅能加快遗传进化速度,而且能增强遗传算法的全局收敛性能,从而得到满意的全局最优解。 本文首先介绍了遗传算法的背景、发展历程和研究现状,说明了研究的背景、目的;其次介绍了简单遗传算法和自适应遗传算法,分析了现有的一些自适应遗传算法存在的缺陷;然后对算法的交叉概率和变异概率进行改进,设计实现了本文提出的新算法。将新算法用于求解具体测试函数的最大值,实验结果说明新算法计算稳定性高、收敛速度快,是一种性能良好的改进的自适应遗传算法;最后将新算法用于图像分割,实验结果表明,新的遗传算法优化了图像的分割,运算速度明显比传统分割算法快。