实数编码下的混合算子遗传算法在非线性题目的应用.pdfVIP

实数编码下的混合算子遗传算法在非线性问题的应用 摘 要 现实中的很多供应链模型都是非线性规划问题，解决非线性问题，传统的 方法都有进入局部最优的局限性，后来出现了智能优化算法如遗传算法、模拟 退火算法、神经网络等对此局限性有一定的改进。遗传算法是一类借鉴生物界 的进化规律演化而来的随机搜索方法。标准的遗传算法有搜索速度慢的缺点。 后来的研究把遗传算法与别的方法结合起来处理非线性问题，可以得到比较好 的结果。但这些研究很少有对混合算子的研究，混合算子的遗传算法的运算次 数比遗传算法与别的算法一起使用的混合遗传算法要少，混合算子的遗传算法 如果能得到比较好的结果，会比与别的算法结合的遗传算法更好。二进制编码 是遗传算法最开始使用的编码，但处理优化问题方面后来证明实数编码经常能 得到比二进制编码更好的结果，而且计算量要少。 本文采用实数编码方式，主要是通过对遗传算法算子的改进来提高遗传算 法的性能，把遗传算法的轮盘赌、精英选择方法、三种交叉和四种变异的算子 混合，结合相互之间的特点，可以对非线性问题起到很好的优化作用。本文对 非线性无约束的算例进行了模拟，具体讨论了各个算子组合对优化性能的影响， 结果表明混合算子的遗传算法可以得到更好的结果。对有约束的非线性问