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&#