自从Hollad教授提出基本遗传算法后,针对遗传算法改进的讨论从来没有停止。本文将介绍遗传算法的几种改进方法,分别为自适应遗传算法、混合遗传算法中的模拟退火遗传算法(SAGA)和并行遗传算法。相较于标准(简单)遗传算法(SGA),改进法在某些方面会具有一定的优势。
往期传送门
自适应遗传算法
交叉概率 Pc 和变异概率 Pm 对遗传算法性能有很大的影响,直接影响算法收敛性1。虽然 Pc 较大的时候种群更容易产生新个体,但是当其变大时,优良个体在种群中保留率也降低。对 Pm 来说,若其过大则本算法相当于普通的随机算法,失去了遗传算法的意义。本文直接给出Srinvivas提出的自适应遗传算法(Adaptive GA, AGA)方法:
Pc=⎧⎩⎨Pc1−(Pc1−Pc2)(f′−favg)fmax