一种改进的混合遗传算法及其应用.pdfVIP

第 29 卷 第 10 期 绍 　兴 　文 　理 　学 　院　学 　报 Vol . 29 No . 10 　　　　　　　　　　　　 　　　　　　　　　　　 2009 年 12 月 JOURNAL OF SHAOXIN G UNIVERSITY Dec . 2009 一种改进的混合遗传算法及其应用 周 　军 　黄 　翔 (福州外语外贸职业技术学院 ,福建 　福州 350018) 摘 　要 :将遗传算法和模拟退火算法进行了有机结合 ,并采用一种 自适应的交叉和变异概率 ,提出了一种改进的混合遗传 算法 ———自适应的模拟退火遗传算法. 通过旅行商问题的仿真实验 ,对比遗传算法和模拟退火算法的实验结果 ,这种混合 遗传算法改进了传统遗传算法的性能 ,并且提高了整个算法的收敛速度 ,拥有更好的优化性能. 关键词 :遗传算法 ;模拟退火算法 ;旅行商问题 ( ) 中图分类号 :TP301 文献标识码 :A 文章编号 :1008 - 293X 2009 10 - 0043 - 03 　　　 　　　 　　　　　　　　　　　　　　　　　　　　 0 　引言 ( ) 遗传算法 GA 具有并行搜索能力且能一定程度上保留历史信息的特点 ,但选择操作无法产生种群外 的个体 ,交叉变异只具有有限的进化能力 ,所以常出现进化缓慢和过早收敛的现象 ,另外算法收敛性很难 ( ) 控制. 而模拟退火算法 SA 具有很强的局部搜索能力 ,运行效率也比较高 ,其概率突跳性使得它有避免局 部极小的能力 ,但算法对整个搜索空间的状况不能很好地搜索 ,并不具有并行性 ,每一时刻仅保留一个解 , 没有冗余和历史信息 ,且优化过程中若退温过快会遗失优良解 , 同时抽样稳定条件或退温速率的限制使得 ( ) 算法需要很长的寻优时间. 结合这两种算法的优点 ,可以得到一种混合遗传算法 hybrid genetic algorithm . 这样所构成的混合优化策略能进行优势互补 ,提高算法的运行效率和效果. 本文在这个混合遗传算法的基 础上加入 自适应的交叉 、变异概率以及精英保留策略的思想 ,提出一种改进的混合遗传算法 ———自适应的 ( ) 模拟退火遗传算法 A GASA . 1 　自适应的模拟退火遗传算法 1. 1 　A GASA 的基本思想 将遗传算法与模拟退火算法相结合 ,构成一种改进的混合遗传算法. A GASA 与基本遗传算法的总体 运行过程相类似 ,它从一组随机产生的初始解开始搜索 ,采用一种 自适应的交叉和变异概率 ,并通过附带 精英保留策略的选择 、交叉 、变异等遗传操作来产生一组新的个体 ,然后再独立地对所产生的各个个体进 〔1〕 行模拟退火操作 , 以其结果作为下一代遗传操作的新种群 ,这个过程反复迭代直到满足某个终止条件