基于均分法的小生境遗传算法 - 南京信息工程大学学报.pdf

文章编号：１６７４⁃７０７０（２０１３）０６⁃０５５３⁃０４ 基于均分法的小生境遗传算法 １ ２ 赵远东　 汪怡 摘要 ０　 引言 为了避免遗传算法种群中个体过早 陷入局部最小，在以往随机初始种群的 ［１］ 　 　 遗传算法 （ＧＡ）由美国Ｈｏｌｌａｎｄ教授于１９７５ 年根据生物进化 基础上提出一种均分法，使得初始种群 理论和遗传变异理论提出，是一种建立在自然选择和群体遗传学机 随机平均地分为若干个子种群，形成小 生境，这样既维持了种群的多样性，也使 理基础上的并行的随机性全局寻优算法．虽然遗传算法有较强的全 得种群中的个体不会过早出现早熟现 局搜索能力，但是也存在自身的局限性． 由于初始种群是随机产生 象，更提高了算法的收敛速度． 同时采用 的，在寻找最优解时搜索方向不断发生变化，遗传算法搜索到全局最 了自适应技术控制交叉和变异的概率， ［２］ 使得算法能更快速地找到最优解．仿真 优解的代价较大．本文引用了小生境技术 ，在传统的小生境遗传算 结果表明，与传统的遗传算法优化 ＲＢＦ 法的基础上提出了一种改进的方法，即在初始种群时采用均分法，使 网络相比较，新算法的迭代次数更少，精 得初始种群能够随机平均地分为若干个子种群，然后在各子种群内 度更高，大大提高了收敛速度． 关键词 部独立进行遗传算子操作，这样很大程度上避免了种群中的个体过 小生境技术；快速遗传算法；自适应 早地陷入局部最小． 改进后的算法 （Ｎｉｃｈｅｄ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ， 技术 ＮＧＡ），可以更好地保持解的多样性，同时具有很高的全局寻优能力． 中图分类号 ＴＰ３０Ｌ 本文在初始种群的时候，还引入了广义海明距离，使得各个个体尽可 文献标志码 Ａ 能均匀分布在整个解空间中，从而更快地收敛到全局最优解．将此方 法与ＲＢＦ（Ｒａｄｉｃａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ）网络结合，对城市天燃气负荷进行 建模预测，与传统的ＲＢＦ 网络相比，收敛速度更快，迭代次数更少． １　 改进的小生境遗传算法 ［３］ 本文在初始种群时引用广义海明距离 ，使各个个体尽可能地 分散在解空间中，然后采用均分法，将一个种群随机平均地分为若干 个小的子种群，即为小生境．经过一轮遗传算子的操作后，选出每个 子种群中适应度高的个体组成新种群，再使用均分法，随机平均地分 为若干个子种群，直到所有个体的适应度值都比较高为止． 设个体是以ｂ为基的字符串，个体的长度为ｋ，种群的规模大小为 Ｎ，则要求入选种群的所有个体之间的广义海明距离Ｈ 必须满足： Ｇ 收稿日期 ２０１２⁃０４⁃１０ Ｈ ≥（ｋ －ｂ），　 ｉ ≠ｊ ，