- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于梯度信息指导交叉的遗传算法
第30卷第10期 计算机应用 V01.30No.10
of
2010年10月 Journal
ComputerApplications
文章编号:1001—9081(2010)10—2582—03
基于梯度信息指导交叉的遗传算法
梁昔明,肖 伟,龙文,秦浩宇
(中南大学信息科学与工程学院,长沙410083)
(spritxiao@163.con)
摘要:针对基本遗传算法在解空间中盲目选取交叉个体,导致算法在后期搜索能力差、收敛速度慢的缺点,提
出了一种基于梯度信息指导交叉的遗传算法。该算法通过确定当前种群中目标个体的最速下降方向,选取该方向下
的一个有效范围,在该有效范围内选择个体与目标个体进行交叉操作,使交叉后的予代不断向最优解靠近,有效地保
证了交叉操作的目的性和可行性。四个典型测试函数的仿真实验表明,该算法显著加快了遗传算法的寻优速度,提
高了遗传算法定位最优解的精度。
关键词:遗传算法;梯度信息;指导交叉;最速下降法;最优解
中图分类号:TPl81文献标志码:A
Instructed-crossoverbasedon
geneticalgorithm gradient
LIANG Wei,LONG
Xi—ruing,XIAO Wen,QINHao—yu
Scienceand South Hunan
(SchoolofInformationEngineering,CentralUniversity,Changsha410083,China)
theblindsearchforcross—individualinthesolution leadstolow andlow
Abstract:Concerning space,which efficiency
inthe
convergencespeed later of Genetic instructed—crossover
stagesimple Algorithm(GA),animproved geneticalgorithm
basedon informationwas executedcrossover via individualsfromtheset
gradient proposed.It operationchoosingspecial range
ofthe ofthe individualfromthecurrent madethe moreclosertothe
negativegradientobjective got population,andoffspring
solution.It the and ofthecrossover simulationsonfour test
optimal guaranteedpurposefeasibility operation.The typical
functionsindicatethatthe can the and in the value.
proposedalgorithmgreatlyimproveefficiencyprecision
文档评论(0)