遗传算法的早熟现象研究.PDFVIP

第10卷第6期2010年2月 科学技术与工程 V01．10No．6 Science and ◎2010 1671—1815(2010)6—1540-03 TechnologyEngineering 改进交叉算子和变异算子抑制GA算法早熟 朱凤龙邓辉文1 李 飞2程曙光 (西南大学计算机与信息科学学院，逻辑与智能控制中心1，重庆400715；河北邢台新河中学2，邢台055650) 摘要分析了传统遗传算法早熟收敛的主要原因，提出了一类改进的遗传算法。通过引入个体相似度，改进传统的交叉算 子，避免了近亲繁殖现象，采用二元变异算子替换传统变异算子。仿真结果表明该改进算法有效地提高了全局搜索性能和收 敛速度。 关键词遗传算法 相似度 二元变异算子 早熟收敛 中图法分类号TP312；文献标志码A 法“早熟”现象，许多的研究人员对其进行了改进， 遗传算法(GeneticAlgorithm-GA)的产生最早归 功于美国Michigan大学的Holland在20世纪60年如文献[3]作者通过改进传统的选择算子，从而对 代末、70年代初开创性工作uJ，是模拟生物遗传和 自然淘汰的生物进化过程的一种模型。与传统的优 产生较好的初始种群分布，并以该算子作为判断种 化算法有较大的不同，遗传算法有其自身的优点，主 群是否早熟收敛的依据。本文分析研究了“早熟” 要表现在以下几方面口1(1)GA在每个时刻都可以 现象产生的原因，通过改进传统杂交算子和引入二 对多个子空间进行搜索，对初始值不做要求。(2) 元变异算子来替换传统变异算子对遗传算法进行了 在GA中仅靠适应度来评价个体优劣，基本上不用 改进，实验结果证明，改进后的算法有效的抑制了 搜索空间的知识或辅助信息。(3)GA具有很强的“早熟”现象的出现。 鲁棒性。虽然GA具有诸多的优点，但作为全局搜 索算法，仍然存在无法全局收敛的情况，发生这种情 Genetic 1简单遗传算法(Simple 况较为典型的是“早熟”现象。遗传算法“早熟”是 指群体多样性遭到破坏，算法搜索停滞不前，最终收 标准遗传算法的运行过程为一个典型的迭代过 敛到一个局部最优解，而无法收敛到全局最优解。 程，其必须完成的功能工作内容及主要步骤如下： “早熟”现象的本质特征是因为群体多样性受到 1)选择合适的编码策略，把实际问题的参数集 破坏。 合x和域转化为位串结构空间S； 在选择算子的作用下，优秀模式会大量增加，低 2)定义一个合适的适应度函数．厂(X)； 劣模式会迅速减少，整个群体向好的方向进化，但是 3)确定所需要的遗传策略，其中包括选择群体 在选择算子的作用下，群体丧失了多样性，群体进化 大小Ⅳ，选择交叉及变异方法，以及确定交叉概率 中后期就可能产生“早熟”现象。针对传统遗传算 P。、变异概率P。等相关的遗传参数； 4)随机初始化生成群体P； 2009年11月30日收到 教育部招标课题重大攻关项目 5)计算群体中个体位串解码后的适应值八X)； (05JZD0008)资助