基于年龄动力学模型的自适应种群演化算法-计算机工程与科学.pdfVIP

CN43—1258／TP 计算机工程与科学 2008年第 3O卷第 12期 ISSN 1007—130X COMPUTERENGINEERING SCIENCE Vo1．30，No．12，2008 文章编号：1007—130X(2008)12—0094—03 基于年龄动力学模型的自适应种群演化算法 AnEvolutionaryAlgorithm withAdaptive PopulationSizeBasedontheAgeDynamicModel 王玲玲。李元香，林志毅 WANG Ling-ling。LIYuan-xiang。LIN Zhi-yi (武汉大学软件工程国家重点实验室，湖北 武汉430072) (StateKeyLaboratoryofSoftwareEngineering。WuhanUniversity，Wuhan430072，China) 摘 要：本文针对演化算法中的自适应动态种群问题，探讨了年龄动力学模型，给出了简化的模型框架，提出了基于该 模型的自适应种群演化算法，实现了对进化种群规模的动态控制。实验表明，该算法比固定种群规模的经典算法具有更好 的性 能。 Abstract：Inthispaper，theAgeDynamicModel(ADM)isdiscussedtOdealwiththeproblem ofadaptivepopulation sizeinevolutionaryalgorithms．A new evolutionaryalgoritmh withanadaptivepopulation sizeisproposedaccordingtOa simplifiedmodelofADM．Theexperimentalresultsshow thatthenewalgorithm hasbetterperformancethantraditionalev— olutionaryalgoritmh s． 关键词：演化算法；年龄动力学模型；自适应种群 Keywords：evolutionaryalgorithm；agedynamicmodel；adaptivepopulationsize 中图分类号：TP18 文献标识码：A 个体的“寿命”则取决于其适应值。当 “年龄”超过 “寿命” 1 引言 时，个体死亡。Back等 则对GAVaPS算法进行了改进， 提出了APGA算法，引入了精英策略，使得种群中当前最 DeJongK等在G嘞 2007国际会议上对演化计算 优个体的 “年龄”保持不变，使得其不会 “死亡”。Eiben 的未来和发展进行了展望，并将自适应演化算法列为重要 等H]贝Ⅱ提出另一种种群变化算法，当种群的最佳适应值发 的发展方向，而 自适应种群规模则是自适应演化算法的重 生改变时，或者种群的最佳适应值已经有很长一段时间没 要组成部分[1]。从演化算法提出以来，种群规模对演化算 有发生改变时，则种群规模变大；反之，当在较短的时间内 法执行效果的影响一直是演化算法研究中一个引人关注的 种群最佳适应值没有发生改变的情况下，则种群规模变小。 研究主题。传统的演化算法种群规模固定，而在通常情况 本文借鉴生物动力学领域的研究成果，提出了一种基 下，选择较大规模的初始种群执行演化操作，较容易保持种 于年龄动力学模型的自适应种群演化算法 。该方法同样使 群的多样性