针对灰度和实数编码的改进遗传算法分析研究及其应用.pdfVIP

摘要 摘 要 遗传算法是一种随机搜索方法，具有很强的全局寻优能力，是目前影响和应 用最为广泛的优化方法之一。但遗传算法仍存在一些不足，如不同程度的存在概 率参数的主观选取问题、早熟问题、陷入局部最优等，本文针对这些问题给出两 种改进方法。在基于灰度编码的改进的遗传算法中，充分利用模式定理，使交叉 算子和变异算子有机结合，父代所有个体都进行交叉，避免概率参数的选取问题， 用变异后产生的优良个体代替适应度差的父代个体，产生子代个体，提出初始种 群的生成标准，这种种群的生成方法保证了最优个体的获得，并且有较快的收敛 速度。在基于实数编码的改进遗传算法中，借鉴二进制编码的模式理论，繁殖操 作初期变异概率较大，通过变异操作使种群规模逐渐扩大，当种群达到一定规模 时，只进行交叉操作， 只要有足够的时间一定能找到最优个体，避免陷入局部最 优。 汽车悬架是一个典型的精密空间多体系统，它的性能如何直接关系到诸多汽 车性能，如平顺性、操纵稳定性、安全性和制动性等，选用合适的方法对汽车悬 架动力学参数进行优化设计，对于民族汽车工业的发展有着重要意义。目前，对 其优化设计方法主要采用确定性优化方法，容易陷入局部最优解。 本文将改进遗传算法应用于复杂汽车悬架参数优化设计，计算结果表明，与 目前使用的其他方法相比，求解质量和计算效率都有很大提高。 本文的研究工作得到了河北省自然科学基金(项目号：F2007000710)的资助和 河北省科技厅科技领军人才创新基金(项目-1)的资助。 关键词：遗传算法；灰度编码；实数编码；汽车悬架；ADAMS 软件 I Abstract Abstract Genetic algorithm is a random search method, which has very good ability for global searching. It is one of the optimal methods that is the most affecting and widely used currently. However, some deficiencies still exist in genetic algorithms, for example, subjectivity problem in probability parameters selection and prematurely problem more or less. Improvements are presented against the deficiencies motioned above in this paper. In the improved genetic algorithm base on gray encoding, the algorithm makes crossover and mutation organically combined, in which the all parent individuals are performed crossover to avoid the probability parameters selection, the high fitness offspring individuals instead of the low parent individuals to derive a new population. At the same time, the choice criterion of initial population is given which can get the highest fitness individuals. This algorithm has the advantages of fast convergence speed and