基于竞争协同进化的改进遗传算法-深圳大学学报.pdf

Vol. 26 No.1 第26卷第 1期 深圳大学学报理工版 2009 年1 月 JOURNAL OF SHENZHEN UNIVERSITY SCIENCE AND ENGINEERING Jan. 2009 文章编号: 1000-2618(2009) 01- 0024- 06 【电子与信息工程】 基于竞争协同进化的改进遗传算法 李碧1 ， 2 林土胜1 ( 1. 华南理工大学电子与信息学院， 广州510641; 2. 广东外语外贸大学信息科学技术学院， 广州510420) 摘要:针对标准遗传算法中的早熟收敛现象，提出一种基于竞争协同进化的改进遗传算法.该算法 根据个体与对手竞争的表现来衡量个体的生存能力，生存能力由个体所击败对手的数量和优秀程度决定， 个体在击败更多更优对手的努力中逐步进化.函数优化实验结果表明，该算法收敛速度快，且能有效保留 种群多样性，与标准遗传算法及其他多种群遗传算法相比，能有效减轻早熟收敛现象. 关键词:遗传算法;早熟收敛;竞争;协同进化;种群多样性;函数优化 中图分类号: TP 18; TP 301 文献标识码:A 标准遗传算法 ( standard genetic algorithm , 所处种群的密度及与之发生相互关系的物种(spe- SGA) 是 Holland 于 20 世纪 70 年代借鉴生态进化 20 世纪90 年代协同进化口o J 概念被首次引入计 理论中生存竞争和优胜劣汰现象，提出 的全局优化算法[ 1 ]，已成功应用于搜索、优化和机 算科学领域，它是指两个以上适应度相关联的物种 器学习等领域[ 2-3 J在SGA中，个体的适应度完全 的同时进化[l1J (如图 1 ) .根据适应度关联方式的 不同，协同进化算法 ( coevolutionary algorithms) 分 由个体的染色体决定，由于SGA没有考虑个体所处 的环境及个体之间的相互关系对个体进化的影响， 为竞争协同进化算法 ( competitive coevolutionary al- 所以 SGA与自然界的生态进化相比，其自适应能力 gorithms) 和合作协同进化算法 ( cooperative coevo- 有限; SGA 在应用过程中有早熟收敛及收敛速度慢 lutionary algorithms) [口J协同进化算法已被成功应 的缺点[ 4 J为克服遗传算法中的这些弊端，不少学 用到作业调度、人工神经网络、模式识别和工程设 计优化等领域[口-1 5 J 者在遗传算子设计[ 5 J和遗传参数自适应调整[ 6 J等方 面都做了探讨.文献[ 7 J在充分考虑生物界普遍存 在的竞争现象的基础上，提出一种基于多层竞争的 多种群并行进化模型 ( genetic algorithm based on multi-level competition , GAMLC) ， 模拟个体层次、 家庭层次和种群层次的竞争.但由于这些方法没有 (选择) 考虑协同进化现象，使遗传算法中进化只是对自然 图 1协同进化示意图 界中的生态进化的有限模拟，导致遗传算法自适应 Fig. 1 Schematic depic