一种基于混沌领域搜索自适应遗传算法.docVIP

一种基于混沌领域搜索的自适应遗传算法 　　（广东工业大学 自动化学院， 广州 510090） 　　?? 　　摘 要：提出一种基于混沌领域搜索的自适应混沌遗传算法，该方法在遗传进化的过程根据种群相对多样性对每代个体引入混沌领域方法搜索有效基因，并有效地结合遗传算法善于全局优化和混沌局部搜索能力强等特点。计算结果表明，该算法可以显著提高计算效率，具有较大的实用价值。?? 　　关键词：遗传算法；混沌优化；旅行商问题 ?? 　　中图分类号：TP301.6； U116.2 文献标志码：A 　　 文章编号：1001?B3695(2009)02?B0464?B02 　　?? 　　Chaos neighborhoodbased selfadaptive genetic algorithm 　　?? 　　WEI Ming,CAI Yanguang 　　??(Faculty of Automation, Guangdong University of Technology, Guangzhou 510090, China) 　　??Abstract:This paper proposed a chaos neighborhoodbased selfadaptive genetic algorithm(CNSAGA) to combine the chaos optimization with standard genetic algorithm effectively together. Differing from other conventional chaos genetic hybrid algorithms, the algorithm proposed a chaos neighborhood operator was introduced in the evolution process to find best gene according to the measure of species diversity. The research shows that CNSAGA can achieve satisfactory optimization results.?? 　　Key words:genetic algorithm(GA)；chaotic optimization；TSP ?お? 　　遗传算法[1,2]（GA）是由美国Michigan大学的Holland于1975年提出的，是一种模拟自然界中的生命进化和群体遗传过程，以一定概率进行自然选择、交叉、变异等，从而在给定问题空间进行搜索解空间，以获得问题的最优解的全局优化算法，具有简单通用、鲁棒性强、适于并行处理、易于与其他方法相结合等特点。目前遗传算法广泛应用于许多工程领域，如函数优化、模式识别、图像处理等，并取得了大量研究成果。其在显示巨大优越性的同时也暴露出早熟问题，种群进化过程关键基因缺乏或丢失，以及遗传操作算子或控制参数设计不当导致缺乏产生最优个体的强大能力。针对标准遗传算法的缺陷，出现了各种各样的改进方法[3~10]，尤其是利用混沌理论改进遗传算法的性能值得关注。?? 　　混沌[11~13]是自然界广泛存在的一种非线性现象，具有随机性、遍历性和对初始条件的极度敏感性等特点，在一定范围内能够按其自身的规律不重复地遍历所有状态。在搜索空间小时混沌优化方法效果显著，但搜索空间大时几乎无能为力[13]。因此，本文提出了一种新型的基于混沌领域搜索的自适应混沌遗传算法（chaos neighborhood based selfadaptive genetic algorithm，CNSAGA），并用于求解标准14点TSP。计算结果表明，该算法不仅能增强全局最优解的搜索性能，而且还能加快遗传算法的收敛速度，经过较少的进化代数即能找到最优解。?? 　　1 CNSAGA的算法设计?? 　　种群多样性急剧减少导致遗传算法的交叉算子和选择算子不能产生更有生命力的新个体，仅依靠变异操作恢复丢失的有效基因可能性很小，从而遗传算法适合于找到最优解所在的领域，但如何寻找全局最优却非其所长。为此，本文首次提出了搜索空间自适应调整的混沌领域搜索算法，通过判断种群早熟机制决定每代种群个体是否进行混沌邻域搜索，搜索其有效基因，从而快速引导种群跳出局部最优,有效利用遗传算法的全局搜索和混沌领域局部搜索能力，使两种算法的优势得到互补。?? 　　1.1 混沌邻域搜索法?? 　　本文采用Logistic映射产生混沌序列：?? 　　tk+1=μ#8226;tk#8226;(1.0-tk)（1）?? 　　其中：0≤tk≤1,当μ=4时，系统完全处于混沌状态，其混沌空间