并行遗传算法收敛性分析及优化运算.pdfVIP

28 6 第 卷　第 期 计　算　机　工　程 2002 6 年 月 Vol.28 № 6 Computer Engineering June 2002 ·软件技术与数据库· 文章编号：1000—3428(2002)06 — 0092—04 文献标识码：A 中图分类号： TP273 并行遗传算法收敛性分析及优化运算 1 1 2 2 戴晓明 ，许 超 ，龚向阳 ，邵惠鹤 （1.上海交通大学自动化研究所，上海200030 ；2.上海交通大学电子工程系，上海200030） 摘 要：经典遗传算法 （Canonical Genetic Algorithms ）利用单一种群对种群个体进行交叉、变异和选择操作，在进化过程中的超级个体易产 生过早收敛现象，粗粒度并行遗传算法利用多个子种群进行进化计算，各子群体分别独立进行遗传操作，相互交换最优个体后继续进化。该 文证明了该算法的搜索过程是一个有限时齐遍历马尔柯夫链，给出粗粒度并行遗传算法全局最优收敛性证明。对于旅行商问题TSP(Traveling Salesman Problem)利用粗粒度并行遗传算法进行了求解，以解决经典遗传算法的收敛到局部最优值问题。仿真结果表明，算法的收敛性能优 于经典遗传算法。 关键词：粗粒度并行遗传算法；有限时齐遍历马尔柯夫链；收敛；TSP Convergence Analysis of Parallel Genetic Algorithm and Its Application to Optimization 1 1 2 2 DAI Xiaoming ，XU Chao , GONG Xiangyang , SHAO Huihe (1.Department of Automation,Shanghai Jiaotong University, Shanghai 200030； 2.Department of Electronics, Shanghai Jiaotong University, Shanghai 200030) Abstract Canonical genetic algorithm applies a single population to optimize the functions. The super-individual during the early stage of 【 】 evolving process can cause pre-maturity phenomenon. Coarse-grained Genetic Algorithm (CGGA) applies multi-population to optimize the objective problem. Different population evolves independently. The migration factor is introduced to the CGGA. The elite individual replaces the neighboring populations worst individual. The search process of CGGA is an ergodic homogeneous Mark