进化算法的敛速度的影响.docVIP

进化算法的收敛速度的影响 张彩虹 （数学与信息学院数学与应用数学00级5班） 摘 要 在进化过程中，可能会出现过早收敛现象，这主要是因为种群中出现了超级个体，按照一定的选择策略，该个体很快会在种群中占据绝对优势，从而使算法过早的收敛于一个局部的最优解，现在解决的方法有对超级个体的适应函数进行调整，从而控制该个体的选择概率，或增加个体的变异率来增加种群的多样性。同时，不同的群体规模和选择策略对算法性能的影响起到举足轻重作用。 关键词：进化算法；过早收敛；适应函数；变异率；选择策略 1引言 进化算法的思想来源于达尔文的“适者生存”的理论，其最大特点是群体搜索和群体中个体之间的信息交换，从而表现出以下优越性：进化算法在搜索过程中不易陷入局部最优，即使所定义的函数不连续、不规则或有噪声时，仍能以很大概率得到全局最优解；进化算法具有内在的并行性；再者，进化算法采用自然进化机制来表现复杂现象，能快速可靠地解决非常困难的问题；易介入到已有模型中且易于同别的技术混合等。因此，进化算法，目前在很多领域得到了广泛应用。 现在对进化算法的一些基本概念进行一下简单介绍[2]。进化计算在求解问题时是从初始给定的多个解开始搜索的，这些初始解的集合称为一个种群。适应值函数是种群中各个个体对各自适应环境的程度的一种量度，它通常是用户所提供的目标函数的一个合理的数学变换，而目标函数用能反映个体在种群中优劣