一种基于双变异算子的遗传算法-read.docVIP

一种基于双变异算子的遗传算法 杜秀全1 程家兴2 1 安徽大学计算机学院，安徽合肥230039； 2 安徽大学计算机学院，安徽合肥230039； （安徽大学计算智能与信号处理教育部重点实验室 合肥 230039） 摘要：本文针对简单遗传算法(SGA)所存在的缺点和不足,提出了一种新的改进遗传算法-双变异算子GA。该想法通过将所有产生的子代个体与父代个体混合作为下一代种群，在种群选择前对适应度值较低的个体进行一次变异，然后通过选择，交叉，再一次变异产生新种群，再利用自适应算法改变交叉和变异率及最优保存策略保护历代最优个体, 经Visual C++ 软件编程计算,得到了较好的优化结果. 实例说明, 双变异算子的遗传算法能够最大限度使种群多样性,这样最有可能得到最优解，也易突破局部收敛的局限而达到全局最优。 关键字：双变异算子，种群多样性，最优保存策略，遗传算法，自适应。 A kind of GA based on dual mutation DU Xiu-quan1 CHENG Jia-xing2 1 Anhui University , Hefei ANHUI 230039,China; 2 Anhui University , Hefei ANHUI 230039,China; （The Key Laboratory of Intelligent Computing and Signal Processing, Ministry of Education，Anhui University, Hefei, 230039, ChinaAbstract: This paper aims at SGA ‘s weakness and shortage, putting forward a kind of new improvement GA-dual mutation GA. This viewpoints passing to mix all output son generation individual and father generation individual as the next generation kinds, and lower individual to carry on a mutation before choosing in the kinds, then pass a choice, crossover, again the mutation to produce new kinds, making use of self-adaptation Algorithm again, mutation and superior keep strategy protection in the past the superior individual, The case shows that this Algorithm can rest rain it self quickly, and easily overcome the local restraint weakness and get the entire optimal result. Perfect outcome was obtained after programming with software Visual C++. Keywords: dual mutation, Population diversity, superior keep strategy, Genetic Algorithm, self-adaptation 1. 引言 遗传算法(Genetic Algorithm,GA) [1～2][6]是模拟生物在自然环境中的遗传和进化过程而形成的—种自适应全局优化概率搜索算法. 它将问题域中的可能解看作是群体的一个个体或染色体，并将每一个体编码成符号串形式，模拟达尔文的遗传选择和自然淘汰的生物进化过程，对群体反复进行基于遗传学的操作（遗传，交叉和变异），根据预定的目标适应度函数对每个个体进行评价，依据适者生存，优胜劣汰的进化规则，不断得到更优的群体，同时以全局并行搜索方式来搜索优化群体中的最优个体，求得满足要求的最优解。因此，GA算法具有较强的全局搜索功能和求解问题的能力,还具有简单通用、鲁棒性强、适于并行处理等特点,是一种较好的全局优化搜索算法. 但它有明显的缺点:易产生早熟收敛、结果可能为局部最优收敛解以及进化后期搜索效率较低。 其中, GA 最为严重的就是“过早收敛”问题. 由于种群规模是有限的,经复制、交叉、变异和按适应度进行选择,使得高于种群平均适应度的个体在下一代中得到更多的复制,这样不断进行,一旦某些个