資源描述：
《改進的自適應(yīng)遺傳算法及其性能研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、總第293期計算機與數(shù)字工程Vo1．42No．3Computer&DigitalEngineering3552014年第3期改進的自適應(yīng)遺傳算法及其性能研究程敏宋字博孫剛李玉林李美龍(蘭州交通大學(xué)機電技術(shù)研究所蘭州730070)摘要遺傳算法的優(yōu)良性能使其被廣泛應(yīng)用于現(xiàn)實許多工程領(lǐng)域中，但該算法由于隨機搜索而帶來的收斂速度慢、易產(chǎn)生局值、不穩(wěn)定等問題，給其應(yīng)用帶來很大的困難。論文首先針對收斂速度慢，提出使用遺傳迭代次數(shù)自適應(yīng)控制選擇算子，達(dá)到對收斂速度的自適應(yīng)控制。其次，針對局值問題，提出一種新的改進自適應(yīng)遺傳策略，其交叉和變異算子能夠根據(jù)前兩代
2、適應(yīng)度變化進行自適應(yīng)調(diào)整。最后，使用Matlab7．0對所選的函數(shù)進行優(yōu)化仿真，通過比較仿真結(jié)果得出改進的自適應(yīng)遺傳算法在處理收斂速度和避免易產(chǎn)生局值方面具有較明顯的優(yōu)勢。關(guān)鍵詞遺傳算法；自適應(yīng)；性能仿真中圖分類號TP18DOI：10．3969／j．issn1672—9722．2014．03．002AnImprovedSelf-adaptionGeneticAlgorithmandItsPerformancesCHENGMinSONGYuboSUNGangLIYulinLIMeilong(TheMechachonicsT&RInstitute，
3、LanzhouJiaotongUniversity，Lanzhou730O70)AbstractGeneticalgorithmhasbeenwidelyappliedtomanyactualengineeringfieldsbecauseofitsexcellentperform—ances．However，geneticalgorithmhasitsdrawbacks．Forexample，ithasslowrateofconvergence，problemsofinstabilityduetotherandomsearchandeasyt
4、Oproducelocalvalue．Thesedrawbackselsebringalotofdifficultiestoactualapplica—tion．Firstly，foritsfirstshortage，anoptimalsolutionwhichusesthenumberofgeneticinterationtocontrolselectionopera—torisproposedSOthatitcouldadaptivelycontrolrateofconvergence．Secondly，tosolvelocalconver
5、genceproblem，anewmodifiedself-adaptinggeneticpolicyiscreated．Itcanadaptivelyadjustcrossoveroperatorsandmutationoperatorsaccordingtothechangeoftwopreviousgenerationfitness．Finally，withemployingMatlab7．0andsimulatingselectedfunctions，itisconcludedthatthisimprovedself-adaptingg
6、eneticalgorithmhasevidentadvantagesinconvergentrateandavoidinglocalval—ueproblem．KeyWordsgeneticalgorithm，self-adaption，performancesimulationClassNumberTP18(染色體)，向量的每個元素稱為基因。首先產(chǎn)生一1引言個初始種群，然后基于問題的適應(yīng)度函數(shù)對該群體遺傳算法GA(geneticalgorithm)是基于生物進行評價(指導(dǎo)學(xué)習(xí)和確定搜索的方向)、選擇、交進化原理的一種自適應(yīng)全局優(yōu)化算法。自H
7、ol—叉和變異等遺傳操作。由于采用種群的方式組織land提出以后_1]，現(xiàn)已被廣泛應(yīng)用于自動控制、組搜索，使GA可以在全局解空間內(nèi)的多個小范圍區(qū)合優(yōu)化、函數(shù)優(yōu)化、規(guī)劃控制、人工智能、生命科學(xué)域內(nèi)尋求最優(yōu)解，特別適合大規(guī)模并行處理。其選等工程領(lǐng)域中。GA把所研究的解空間(搜索空擇、交叉和變異算子分別相當(dāng)于自然界中的繁衍、間)映射為遺傳空間，將可能的解編碼成一個向量交配和基因突變等生物進化過程。選擇算子收稿日期：2013年9月6日，修回日期：2013年1O月18日基金項目：甘肅省自然科學(xué)基金(編號：1010RJZA074)；甘肅省高等學(xué)校基本科研業(yè)
8、務(wù)項目(編號：甘財教[20111181)資助。作者簡介：程敏，男，碩士研究生，研究方向：智能控制，物流與工業(yè)系統(tǒng)建模、控制及仿真。宋宇博，男，博士研究
