设计同等位相异值遗传算法解决一维多峰函数早收敛问题【报告】.pdfVIP

设计同等位相异值遗传算法解决 一维多峰函数早收敛问题 姚志敏 (广东培正学院计算机科学与工程系，广州510830) Genetic Difference 摘要：研究了等位异值遗传算法(BDGA，Bit Algorithm)在多峰连续函数上的有效性， BDGA算法从整个种群(即所有个体)的角度来进行突变，通过定义等位异值变异算子进行有向导的变异计 算，将每一位基因值的差异性在不同代遗传中加以保留，进而维持种群的多样性，结合简单群体与精英保留 策略，很好的解决了遗传算法解多峰问题的早熟收敛问题。使用BDGA算法对经典一雏多峰测试函数进行计 算，实证了算法的高效性。BDGA算法结构简单，收敛速度快，应用方便，为遗传算法应用的优化提供了参 考。 关键词：精英保留算法；遗传算法；同等位相异值变异；一维函数；多峰连续函数 中图分类号：024 文献标识码：A 遗传算法是解决多峰优化和多模态问题的重要工具，使用遗传算法解决优化问题既存在一定的不确 定性，又具有一定的稳定性…。但不足的是遗传算法在多峰值函数优化求解过程中往往出现早熟收敛， 使群体过早的失去多样性，收敛于局部最优点。曾经出现过许多的改进方法，包括对群体的分类和参数 设计，对选择算子、交叉算子和变异算子的改进，试图避免搜索方向收敛于局部最优点，偏离全局最优 解的问题。 从遗传算法产生新个体的能力来看，交叉运算是产生新个体的主要方法，它决定了算法的全局搜索 能力，而变异运算是产生新个体的辅助方法，但它决定了遗传算法寻找新的搜索方向能力，应当是解决 遗传算法早熟收敛重点研究对象。 笔者在遗传算法研究中发现，在种群进化的某一代中，种群中所有位串的某一个等位基因产生相同 000101001l 1101011 1 101010，101011001，…，001010101011001)中，第二列值全为0。任何交换算子 都是等位交换基因值，群体中任意选择两个个体交换计算后，产生的两个新个体第二列的值依然会保持 为0。把具有这种性质的种群称为等位同值群体，在进化中由于模板原理的作用很容易产生等位同值群 体，这是造成遗传算法早熟收敛的重要原因。 变异算子可以改变等位同值群体为等位异值群体，由于变异算子并不针对位串的某一位，变异概率 P。取值很小，进化中要经过很多代才能确保某位的值发生变异，如上述群体中有位串第二位的值发生 变异。若P。取值大，则会破坏已形成的模板规则，使算法不能稳定收敛到结果。 基于以上分析，在算法中注意改变等位同值群体为等位异值群体，是避免遗传算法早熟收敛有效方法。 1 BDGA算法描述‘21 通过定义等位异值变异算子进行有向导的变异计算，将每一位基因值的差异性在不同代遗传中加以 保留，其实质是对某代遗传群体，若某同位基因值全部相同，则主动强制变异使其产生修正，以避免在 进化中，有某位基因值缺少差异而导致不能继续进化，从而较好的解决GA早熟问题。 收稿日期：2014～09—10 作者简介：姚志敏(1975一)，男，湖南益阳人，讲师，硕士，主要从事数学及其应用研究工作。 万方数据 44 东莞理工学院学报 1．1 编码方式 由于二进制编码方式编码、解码操作简单，而且交叉、变异操作便于实现，故采用二进制编码方式。 1．2概念定义 令F(n为串的长度)为样板空间，S表示进化群体， S={石1，．一，置，…％)，Xi∈X“，i=1，2，…，￡，三，M为正整数，L≤2“且M≤L； Xi=(戈il…戈谙…戈i。)，其中菇诸∈{0．1)，k=1，2…玮； 定义1 等位同值群体。 _=If 对群体S，若存在k，使∑菇请=0或者M，称S为等位同值群体，称k为同值位。 定义2等位异值群体。 若群体s不是等位同值群体