遗传算法多样度改进.pdfVIP

遗传算法遗传算法多样度多样度的改进的改进 遗传算法遗传算法多样度多样度的改进的改进 孙旭东 辽宁工程技术大学理学院应用数学系 辽宁省阜新市 (12300) E-mail ：dong0628@163.com 摘要摘要：：本文简要介绍了遗传算法的基础理论，并通过改进多样度定义的公式解决现有定义存 摘要摘要：： 在的缺陷。最后经过实例的计算验证了改进的多样度定义在解决问题时是有效的，使多样度 度量群体的多样性更符合要求。 关键关键字：字：遗传算法 ，多样度，自适应调节，哈夫曼编码。 关键关键字字：： 1 引言引言 引言引言 遗传算法[1]是模仿生物遗传与进化过程而得出的一种随机优化方法，由于它不依赖问题 的具体领域，不受搜索空间的限制性假设的约束，也不必要求诸如连续性、可微性和单峰值 等假设，甚至不要求一定具有目标函数的解析表达式，因此，遗传算法应用的领域十分广泛。 本文通过介绍遗传算法并分析存在的一些的问题，并对多样度提出了三种新的定义。 2 遗传算法遗传算法的简介的简介 遗传算法遗传算法的的简介简介 2.1 遗传算法的遗传算法的主要步骤主要步骤 遗传算法的遗传算法的主要步骤主要步骤 步骤 1) 对研究的变量编码形成字符串,并随机建立一个初始群体。 步骤 2) 群体中诸个体适应度进行计算。 步骤 3) 产生新个体过程，通过三种方式： ㈠复制：选择适应度高个体进行复制后添入到新群体中，删除适应度低的个体； ㈡交换：随机选出个体对，进行片段交叉换位，产生新个体对； ㈢突变：随机地改变没个体的某个字符，得到新个体。 步骤4) 根据各种条件判断计算过程是否可以结束,如果不满足结束条件，则回到第2 步， 直到满足条件为止。 2.2 遗传算法的遗传算法的编码编码 遗传算法的遗传算法的编码编码 编码是遗传算法的中首先要解决的问题。个体用字符串表示成染色体，它是遗传信息遗 传的载体，串上的每个位置上的元素代表遗传因子。在遗传算法的实际应用中，根据所研究 的不同性质，可以用不同的方式表示：通常遗传因子用0/1 码表示，也可以采用实数直接编 码和 k 个符号编码 （k 为大于 2 的整数）。从大量的研究结果，一般情况下建议采用二进制 编码。 下面针对二进制编码常出现的问题给出一种改进的二进制编码方法： ∈ = 假设单变量x [x ,x ] ，给定每相临的两个单变量精度 x a 。 min max 传统的编码方法： 1） 确定字符串的长度 L ，满足下式： x −x L 1 L − max min 2 2 （1） a - 1 - 2 ） 在[x ,x ] 上插入2L 个点，它们分别如下： min max x