基于基因库的最优个体保存遗传算法.pdfVIP

第 卷 第 期 软件导刊 8 % 7 Vol.8 No.7 年 月 2009 7 Software Guide Jul. 2009 基于基因库的最优个体保存遗传算法 1 2 孟 丽 ，许 峰 （ 安徽理工大学计算机科学与工程学院； 安徽理工大学理学院，安徽淮南 ） 1. 2. 232001 针对一般最优个体保存方法的缺陷，提出了一种基于基因库的最优个体保存遗传算法。 其基本思想是：对每 摘 要： 代种群建立一个基因库，将该代种群中的若干较优个体存入基因库；对每个基因库设定一个距离 ，将基因库中的 di 较优个体与最优个体进行距离比较，然后将距离大于 的较优个体保留在基因库中，而将距离小于 的较优个体剔 di di 除出基因库。 数值计算表明，这种新的算法既提高了收敛速度，又提高了种群的多样性，避免了过早收敛于局部最优 解的现象。 关键词：遗传算法；最优个体保存；基因库 中图分类号： 文献标识码： 文章编号： （ ） TP312 A 1672-7800 2009 07－0045－03 在很大程度上避免早熟现象。 0 引言 1 最优个体保存遗传算法 遗传算法是模拟生物在自然环境中的遗传和进化过程而 形成的一种自适应全局优化概率搜索算法。遗传算法的思想最 只使用选择、交叉和变异这 种基本遗传算子的遗传算法 3 早由美国 大学的 教授于上世纪 年代提 Michigan Holland 60 称为基本遗传算法。基本遗传算法是其它遗传算法的雏形和基 出，在一系列研究工作基础上，由De Jong 和 Goldberg 等学者 础，它不仅给各种遗传算法提供了一个基本框架，同时也具有 进行归纳总结，于上世纪 年代初形成了基本框架。 目前，遗 80 一定的应用价值。 传算法已广泛应用于函数优化、组合优化、 自动控制、生产调 基本遗传算法的流程图，见图 。 1 度、图像与信号处理、机器人和人工生命等领域。 同传统优化方法相比，遗传算法具有全局、并行搜索的特 点，并且搜索过程不依赖于梯度等信息，特别适用于传统优化 方法难以解决的复杂和非线性问题。 然而，遗传算法也有明显 的缺陷。 首先，遗传算法全局搜索能力强而局部搜索能力相对 较弱。 大量计算实践表明：遗传算法可用极快的速度达到最优 解的90%左