遗传演算法效率改进之研究.PDFVIP

遺傳演算法效率改進之研究 Improvement of The Efficiency of Genetic Algorithms Preparation of NSC Project Reports 計劃編號： 89-2213-E-032-036 執行期間： 2000 年 8月 1日至 2001 年 7月 31日 計劃主持人：李慶烈 淡江大學電機系副教授 一、中文摘要（關鍵字： 遺傳演算法 、最佳化 scheme is the increase of computation time. 工具 、機率分布函數） Hence, various techniques are continuously 遺傳演算法（ Genetic Algorithm, GA ）是 proposed to improve the computational 一個非常重要且有效的最佳化工具。然而由於 efficiency, which is quite important for GA. 此種演算法多採用多點搜尋的方式，其代價為 In this report, the non-uniform probability 計算量的倍數增加，因此如何增進 GA的搜尋 density functions are first employed in the 效率以節省計算時間，是十分重要的研究課 crossover and mutation operators of GA during 題。 the course of searching to improve the 本報告率先提出使用機率分布函數應用 computational efficiencies. The capability of 於遺傳演算法的交配、突變運算子中，其目的 escaping from local optima is improved such 乃在族群的最佳物種與實際最佳解距離尚遠 that the global optimum can be easily achieved. 時，使 GA能在編碼物種的 MSB附近有較高 In addition, the convergence speed is also 的交配與突變機率，以進行較大範圍的搜尋。 raised. Consider the fact that the parameters are 而當搜尋至最佳解附近時，使 GA 在 LSB附 encoded during the course of optimization 近有較高的交配與突變機率，以加速收斂至最 using GA. After encoding, the most left hand 佳解。 side bit is the most 英 文 摘 要 （ keyword: genetic algorithm,