基于模拟退火的混合遗传算法研究.pdfVIP

维普资讯 · 72· 计算机应用研究 2005焦 基于模拟退火的混合遗传算法研究 周 丽 ，黄素珍 (1．温州师范学院数学与信息科学学院，浙江 温州325035；2．温州师范学院计算机科学系，浙江 温州325027) 摘 要：针对常规遗传算法会出现早熟现象、局部寻优能力较差等不足，在遗传算法运行中融入模拟退火算法 算子，实现 了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的结合。经验证 ，该混合算法可以显著 提高遗传算法的运行效率和优化性能。 关键词：遗传算法；模拟退火；混合算法；非线性约束 中图法分类号 ：TP302．7 文献标识码 ：A 文章编号：1001—3695(2005)09—0072—02 StudyofHybridGeneticAlgorithm BasedonSimulatedAnnealing ZHOU Li，HUANG Suzhen (1．SchoolofMathematicsInforma tionScience，WenzhouNormalCollege，WenzhouZhejiang325035，China；2．Dept．ofComputerScience， WenzhouNormalCollege，WenzhouZhejiang325027，China ) Abstract：TakingamodifiedSimulatedAnnealingalgorithm asageneticoperatorrealizedthecombinationofthelocalseal-一 chingabilityofSA andglobalsearchingabilityofGA．A new hybridalgorithm ofGenetic SimulatedAnnealinghad been designedwithdynamicprobabilityofcrossoverandmutation，andtestedbyanonlinearfunctionoptimization．Theresultsindi— catedthehybridalgorithm can improvesignificantlytheefficiencyofGA forsolvingnonlinera optimization． Keywords：GeneticAlgorithm(GA)；SimulatedAnnealing(SA)；HybridAlgorithm；NonlineraOptimization 遗传算法 (GeneticAlgorithm，GA) 因其高度的并行处理 GA与SA混合算法的实现有两种思路：一种是在 GA的运行中 能力、强鲁棒性和全局搜索能力而被广泛地应用于诸多领域。 融人 SA的思想，称为混合遗传算法；另一种是在 SA中融人 理论上遗传算法依 “概率 1”收敛于问题的最优解，然而实践应 GA的思想，称为混合模拟退火算法。 用中，遗传算法会表现出早熟现象、局部寻优能力较差等不足。 本文提出的模拟退火?昆合遗传算法是将常规的模拟退火 所以一些常规遗传算法并不一定是针对某一问题的最佳求解 算法改 良后 ，作为遗传算法的一个独立的算子，置于遗传算法 方法 。 进化过程中。其过程是随机产生一组初始群体，先通过选择、 模拟退火 (SimulatedAnnealing，SA)具有较强的局部寻优 交叉、变异等遗传操作来产生一组新的个体，然后再独立对每 能力，并能使搜索过程避免陷入局部最优解 ，但把握整个搜索 个新个体进行模拟退火操作，其结果作为下一代群体，如此反 过程的能力不够，不便于使搜索过程进入最有希望的搜索区