matlab遗传算法先收敛后发散,【改进自适应遗传算法的性能分析】 遗传算法matlab程序...

摘要：遗传算法存在未成熟收敛和收敛速度慢等不足之处，传统的自适应遗传算法虽能有效提高算法的收敛速度，却难以增强算法的鲁棒性。文中提出的改进的自适应遗传算法，提高了其搜索能力，具有更快的收敛速度和更可靠的稳定性，达到了预期的效果。关键词：遗传算法；自适应；收敛；改进；性能

中图分类号: TP18文献标识码：A文章编号：1009-3044(2012)21-5202-04

遗传算法(Genetic Algorithm，以下简称GA)[1]是一种模仿生物群体进化的随机优化算法，它是由美国密歇根大学J.H.Holland教授创立的。标准的遗传算法(Standard GA，以下简称SGA)往往存在一定的不足之处，比如容易出现早熟以及过慢的收敛速度等不良现象。鉴于此，Srinvas等提出了自适应遗传算法(Adaptive GA，以下简称AGA)[4]，在GA中应用自适应调整交叉率和变异率，结果证明，这种算法在GA的收敛速度方面能够较好的改进。不过，AGA在演化初期存在停滞现象，故将自适应调整交叉率和变异率的方法用于GA以提高算法收敛速度和鲁棒性仍十分具有挑战性[6]。文献[3]提出一种改进的自适应遗传算法，在一定程度上提高算法的计算速度和收敛速度。但因为它们计算所得到的变异概率Pm及交叉概率Pc具有不良的稳定性，同时该算法对整体协作能力存在不足。

为此，该文提出一种新的改进遗传算法，改进后的算法效果良好，在算法的收敛速度以及全局搜索性能等方面都具备良好的效果。

公式中：?max是指群体的最大适应度；?avg是指群体的适应度平均值；?’是指杂交双方适应度大者的适应度；?是指个体的适应度&#