均匀设计抽样在遗传算法中的应用.pdf

2010年第3期 淮南师范学院学报 No．3，2010 General 第12卷(总第61期) JOURNALOFHUAINANNORMALUNlVERSITY No．61，V01．12 均匀设计抽样在遗传算法中的应用 任哲t，陈明华2，周本达z (1．合肥学院数理系，安徽合肥230022；2．皖西学院数理系，安徽六安237012) [摘要1众所周知．遗传算法的运行机理及特点是具有定向制导的随机搜索技术。其定向制导的 原则是：导向以高适应度模式为祖先的“家族”方向。而遗传算法中的交叉操作就是在高适应度模式中 寻找最优解的操作。文章以此结论为基础，利用均匀设计抽样的理论和方法．对遗传算法中的交叉操作 进行了重新设计．使其能随机、均匀地搜索高适应度模式空间，能有效提高搜索的效率。称这样得到的新 的遗传算法为均匀设计抽样遗传算法。最后将均匀设计抽样遗传算法应用于求解函数优化问题。并与筒 单遗传算法和佳点集遗传算法进行比较。通过模拟比较．可以看出新的算法不但提高了算法的速度和 精度．而且避免了早熟现象。 r关键词1遗传算法：均匀设计抽样；均匀设计抽样遗传算法 0213 A r中图分类号1 【文献标识码1 【文章编号1 1引言 交叉法的运用带来一定的困难。张铃闭(2001)提出 文献f11对遗传算法中的两个理论基石“模式了佳点集遗传算法．即利用数论中的佳点集方法【4】 定理”和“隐性并行性质”进行了分析，指出遗传算 求出几点来作为交叉后的后代．这可使其精度与维 法的本质是：遗传算法是一个具有定向制导的随机 数无关．且这些点有很好的散布性．克服了用正交 搜索技术．其定向制导的原则是：导向以高适应度 设计法的不足。在t维空间中取佳点的方法如下： 模式为祖先的“家族”方向。在高适应度模式中搜索 在t维空间Ⅳ中作含n个点的佳点集(当日 更高适应度模式主要靠遗传操作中的交叉操作来 是二进制立方体时1 实现。 通常GA算法中的交叉操作．是按赌轮法随机 取两个染色体进行单点交叉操作(也可用其它的交 叉操作。如多点交叉、树交叉以及解TSP问题中的的小数部分，并约定在本文中始终这样表示。可见。 部分匹配交叉、顺序交叉、周期交叉等)，即在以高 佳点集的选取在凡取定后是确定的．佳点集布点有 适应度模式为祖先的“家旗”中取一点作为交叉后 方向性。不带随机性，更不是统计意义下的抽样，所 的后代。这种取法当然有其片面性，并不能保证取 以很多格子是取不到的．其上的点也就不能作为交 到的后代的适应度比母体的高。由数论方法知：在 叉后的后代了，这将影响整体搜索效果。为了克服 高适应度模式空间中产生的均匀散布点集．它们的 上述不足．我们提出了均匀设计抽样交叉操作。为 平均适应度能代表高适应度模式空间的平均适应 此先简单介绍一下文中要用的均匀设计抽样理论 度。也就是说。这些点能很好地代表高适应度模式 方面的内容。 空间的其他点．即要求此空间中的最优值，只要在 1．1均匀设计抽样 这些点中找。故吴少岩阁(1997)提出在以高适应度 1)均匀设计抽样进行步骤嘲： 模式为祖先的“家族”中利用正交试验的方法求出 (1)对于固定的t和n∈N，选取均匀设计的 几点来作为交叉后的后代，如用L16(215)，k(231)，k生成向量(n：hI，如，…，h。)问； (313)，L3：(49)等等。这是一个好主意，不过当因紊的 fO 1…俨1＼ 1 1 个数和等级增多时，不但试验的规模迅速增加．而 (2)从多项分布{1 }中抽取￡ 且对应的试验正交表也很难得到．这些问题给正交 ＼了了…i／ 【收稿日期】2010-03-24