基于立队竞争的演化算法.pdfVIP

基于立队竞争的演化算法 黄樟灿 1 2 3 周运祥 吴方才 (1．武汉大学软件工程国家重点实验室，武汉430072； 2．武汉理工大学理学院，武汉 430070 3．武汉理工大学自动化学院，武汉 430070，) 摘 要 －本文将竞争机制引入到变异算子中，从而使变异算子具有了很强的群体特性，同 时为使算子更加简练和更具通用性，在这种竞争中我们更加注重个体适应值的相对次序而不 是它们的绝对大小．基于这种思想我们提出了一种新的演化算法，在该算法中变异的作用已 不仅仅是简单地恢复群体中损失的多样性，此时它已成为一种主要的搜索算子．通过实验发 现新算法具有很高的搜索效率和求解精度． 关键词 Competition, 自适应性变异，自聚集 1. 引言 杂交和变异一直是演化算法的两种基本的搜索算子，它们都有各自的优点：杂交强调从 群体中获取信息，注重群体搜索；变异强调保持群体的多样性，避免早熟的发生．因此不能 单纯地强调任何一方面． 为此，在传统的演化计算中常常将杂交和变异交替的进行，但是 这样一定能取得最好的效果吗？在自然界的生物进化过程中杂交和变异往往是同时进行的， 显然传统的方法与这一过程是不相符的．所以，将杂交和变异有机的结合起来是唯一的选择． 优胜劣汰的自然选择是演化计算的一大精髓，而自然选择事实上就是竞争．竞争是一种 具有很强的群体特性的行为，因此为了实现杂交和变异有机的结合可以将竞争机制直接引入 到变异中来，从而使得新的算子既能保持群体的多样性同时又具有较强的群体特性． 本文基于上述思想提出了一种新的演化算法，并对其进行了详细的分析，从实验结果可 以看出新算法具有很高的搜索效率和求解精度． 2. 自适应性变异 自适应性变异是实数编码下的一种高效的变异算子，它将解的质量与变异算子相关联， 适应值较大的个体在较小的范围内变异，而较小的个体则在较大的范围内变异．基于这种考 虑，给出了变异温度的概念． 设s (v ,v , ,v )是解空间的一个向量，它的适应值是f (s) ，f 是所解问题的最 1 2 m max 大适应值，则变异温度可定义为： f s ( ) T 1? f max 自适应性变异算子就是从父代解向量中随机的选择一个分量vk 将其变为 vk 得到新的 解： λ v +?(T ,b ?v ) if random(2) 0 T vk ??k k k 其中?(T , y ) y ?(1?r ) r 是［0,1 ］之间 v ??(T ,v ?a ) if random(2) 1 ?k k k 的随机数，[a ,b ]是v 的搜索范围． k k k 自适应性变异算子保护较好的解，使其在较小的范围里进行搜索，而对较差的解进行较 大程度上的变异．从而明显提高了算子的搜索能力． 3. 竞争变异 将解的质量与变异算子相关联是自适应性变异算子的关键．自适应性变异算子只是将解 的质量与其变异的搜索范围相联系，这只是一个方面的联系．同时要知道f max ，然而实际 上这是很难的，不仅如此就算要知道f max 的一个粗略值在某些问题中也是不容易的．为此， 这里给出了一种新的变异算子，它将个体在父代中的适应值大小次序与变异的搜索范围和变 异所生成的