一种基于局部搜索算子的遗传算法.pdfVIP

第43卷第11期 数学的实践与认识 V01．43．No．11 2013年6月 MATHEMATICSINPRACTICEANDTHEORY Jun．，2013 一种基于局部搜索算子的遗传算法 李娜，仁庆道尔吉 (内蒙古工业大学理学院，内蒙古呼和浩特010051) 摘要：为了提高遗传算法的收敛速度及局部搜索能力，设计了一种基于优良模式 的局部搜索算子．同时对传统免疫算法中基于浓度的选择算子进行了改进，设计了 一种基于适应度值和浓度的混合选择算子，从而有效的阻止了算法出现“早熟”现 象．进一步给出了算法的步骤，并利用有限马尔可夫链证明了该算法的收敛性，最后 通过对四个经典测试算法性能的函数的数字仿真，说明该算法对多峰值函数优化问 题明显优于基本遗传算法． 关键词：局部搜索算子；模式；遗传算法；选择算子 1引言 基本遗传算法(SGA)是一种仿生算法，即模拟生命演化的算法．它从一个初始种群出 发，不断重复执行选择、杂交和变异的过程，使种群进化越来越接近某个目标．如果视种群 为超空间的一组点，选择、杂交和变异的过程即是在超空间中进行点集之间的某种交换，通 过信息交换使种群不断进化【1】．它是一种全局化搜索算法，适用于传统优化算法难以解决的 复杂和非线性问题．但是“早熟”和局部搜索能力差也是其明显的缺点．因此，研究如何改进 SGA，采用合适的算法加快寻优速度和改善寻优质量，无论在理论上还是在实践上都有重要 意义．喻寿益等12】引入鞅方法取代传统的马尔科夫链理论，研究保留精英遗传算法的收敛条 件和收敛速度．郑金华等【3】采用马尔可夫链分析基于空间交配遗传算法的收敛性．张亮等【4] 提出一种基于球面解空间划分的量子遗传算法．刘大莲等【5】设计了一种新称为内外交叉的 交叉算子，将种群中的可行解和不可行解分别存贮在两个容器中的新遗传算法．刘全等【6】针 对传统遗传算法早熟收敛和收敛速度慢的问题，提出一种双精英协同进化遗传算法．侯爱民 等[7】提出一种使用原子圈作为染色体和可分解的遗传编码的自适应遗传算法．庄健等【8】提 出了应用幂律法则的复杂系统遗传算法．李士勇等【9】提出了一种改进的量子遗传算法． 遗传操作的研究是遗传算法研究中最为活跃的领域，其研究的目的是为了保证算法的全 局收敛性和提高计算效率．目前遗传操作研究主要包括交叉算子的改进和变异算子的改进． 针对交叉操作，研究者们做了大量的改进，提出了不同的交叉算子．文献【10】|提出了基于多个 父体的部分映射交叉算子，用于解决组合优化问题．文献【11]的交叉操作中将父体分为雄性 收稿日期：2012．09．22 资助项目：内蒙古工业大学科学研究项目(zs201125) 万方数据 178 数学的实践与认识 43卷 叉算子．这些改进的交叉算子对遗传算法的性能均有一定的改善．变异的作用是防止有效基 因的缺失，保持种群中个体的多样性，这也是改进变异操作主要目的．文献【15】提出的力量变 异算子是根据个体的力量分布情况来对个体进行变异．文献[16】提出的向导变异算子结合全 局统计信息和当前位置信息来产生新个体，可以在不同搜索相位内搜索不同区域．此外，还有 与其它随机优化算法结合形成的混沌变异算子和免疫变异算子等． 本文设计一种基于优良模式的局部搜索算子，引入免疫算法中基于浓度的选择算子【17]， 真说明了该算法确实有效的提高了SGA的收敛速度慢，局部搜索能力差，出现“早熟”现象 等缺点．算法中个体均采用二进制编码，交叉算子采用两点交叉，变异操作是对每个基因座以 变异率Pm进行变异． 2算法的改进 2．1局部搜索算子 本文设计了一种基于优良模式的局部搜索算子．首先从当前群体中一些适应度值高于平 均适应度值的较优个体中提取一个优良模式．然后以优良模式为基础在其附近搜索局部最优 解，并产生局部最优解．算子的设计如下： 步骤1从当前群体中适应度值高于平均适应度值的a·n个个体中提取优良模式．其中 均适应度值的d·n个个体，记为Xl，X2，…，X。。，本文称为较优群体．每个个体的长度为f．实