遗传算法的一些改进及其运用.pdf

摘要 摘要 科学理论研究与实践中，往往存在着这样一类问题，就是需要在众多的方案 中确定最优方案的标准，并且给出寻找最优方案的方法，此类问题就称为优化问 题。目前对于一些简单的情况，科学工作者已经研究出了比较成熟的算法和方法。 但是，对于一些复杂的系统，他们往往感到力不从心，努力寻求更加有效的方法。 20世纪40年代以来，学者注意到生物在自然演化过程中表现出强大的适应 能力，生物不断复制优势遗传基因，改善群体的适应性，得到具有很强适应性的 优良物种。遗传算法正是建立在自然演化系统理论研究基础之上的一类优化方 法。作为一类有效的全局优化搜索算法，遗传算法具有以下特点：(1)使用群体 搜索技术，具有隐含并行性，提高了算法的运行效率；(2)使用基于目标函数值 的评价信息，不需要目标函数的代数表达式；(3)具有很强的稳定性，提高了结 果的可信度；(4)简单通用，便于与其他方法结合成混合算法。 但是，遗传算法的局部搜索能力不强。即便依靠强的全局收敛性可以很快地 达到最优解附近，搜索到最优解也要花很长时间。造成上述现象的主要原因在于 子代不断继承父代的基因，降低了群体的多样性程度，使得算法易于陷入局部收 敛。为充分利用遗传算法的优势、避开其缺陷、加快收敛速度，除了设计科学合 理的基本操作算子、选取适合的参数之外，一个有效的方法就是采用混合策略。 也就是在遗传进化的过程中引入快速收敛的局部寻优算法，构成混合遗传算法。 国外研究人员在提高遗传算法的局部搜索能力、加快寻优速度方面取得了显 著的成果(AllenGardner S B，MichaelS，2003)，(KurtAH，JohnEddy，Kemper E M L，2002)，(Ghasemi R R，HintonE，WoodD，1999)。国内研究人员对遗 传算法与可变容差法、模拟退火法等的混合算法进行了研究，也在许多不同领域 的应用获得了重要的成果。M．J．Box于1965年提出了复合形方法(刘战合， 2004)，通过对设计个体进行反射、扩张、压缩等基本操作实现全局寻优，具有 较强的局部寻优能力，易于收敛。本文将研究遗传算法与复合形法的结合，并通 过实例结果分析该混合算法的性能。 本文共六章，第一章介绍遗传算法的特征、发展与应用，并说明本文的选题 依据，研究内容和基本方法。第二章介绍遗传算法的基础知识。第三章探讨遗传 算法的实现技术，介绍相关的基本遗传操作算子。第四章给出遗传算法的一些改 进策略，包括对基本操作算子设计与算法参数选取的改进，以及对遗传算法早熟 收敛现象的改进方案。改进方案从两个角度来研究遗传算法与复合形方法的结 摘要 合，分别称为改进遗传算法i与改进遗传算法2。第五章将第四章的改进策略应 用于配电网设备检修计划优化模型的求解。结果显示，与基本遗传算法相比，改 进算法在性能上有较大的优越性，能够在很大程度上降低成本，具有很好的经济 应用价值。第六章给出了本文的总结以及可以进一步研究的方向。 关键词：遗传算法复合形法改进遗传算法配电网设备检修计划 Ⅱ ABSTRACT ABSTRACT existssuch theresearchand ofthescientific often During practice theory,there all the of kindof thattodeterminethecrkerionof scheme，andway problem optim