基于捕食搜索策略遗传算法研究.docVIP

基于捕食搜索策略遗传算法研究 　　摘要：针对标准遗传算法易陷入局部最优而出现早熟，提出了一种基于捕食搜索策略的遗传算法。该算法在进化中模拟动物捕食搜索的过程，并根据种群中个体最优适应值来动态改变交叉和变异概率，从而加强算法的全局搜索和局部优化的能力。仿真实验表明该算法是有效的。 　　关键词：捕食搜索策略； 遗传算法； 交叉概率； 变异概率 　　中图分类号：TP301文献标志码：A 　　文章编号：1001－3695(2008)04－1006－02 　　 　　遗传算法（genetic algorithm, GA）是由Holland教授于1975年首次提出的一种模拟生物进化论的计算模型，是一种有效的全局并行优化计算技术。GA采用群体搜索技术，通过对当前群体采用选择、交叉和变异等一系列遗传操作，从而产生新一代的群体，并逐步使群体进化到包含或接近最优解的状态。由于GA具有简单、通用、鲁棒性强和适应于并行分布处理等特点，已经成功应用到很多领域。虽然GA具有很多优点，但是GA也容易出现个体早熟现象，使算法不能跳出局部极值，这也是GA的最大不足。产生早熟的主要原因在于种群模式多样性的丧失[1,2]。为了克服这一缺点，改进方法主要在两个方面，即改进遗传操作、调整参数[1~6]和采用多种群遗传算法[7]。?? 　　 　　1基于捕食搜索策略的遗传算法（PSGA）?? 　　 　　1．1PSGA算法描述?? 　　遗传算法的收敛主要取决于交叉算子和变异算子。交叉算子提供了全局搜索能力，而变异算子则提供了局部搜索能力。进化初期，应确保种群在大范围内搜索，进行全局进化以避免过早收敛；进化后期，种群成熟度较高，个体更加逼近最优解，种群应该在局部范围内搜索，重点进化，尽可能提高精度。因此，交叉概率和变异概率很难选择，通常根据理论分析中参数的大致范围来选择或根据经验来确定，具有很大的盲目性。一旦选择不当，容易陷入局部最优，出现早熟现象。本文对此引入了捕食搜索策略。?? 　　捕食搜索是一种用于解决组合优化问题的空间搜索策略[8]，它是在模拟动物捕食行为的基础上提出的。动物在捕食时，在没有发现猎物或猎物迹象时在整个捕食空间沿着一定的方向以很快的速度寻找猎物；一旦发现猎物或发现猎物迹象，它们就放慢步伐，在发现猎物或有猎物迹象的区域进行集中搜索，以期望找到猎物。在寻找一段时间而没有找到猎物后，捕食动物将放弃这种集中的区域，而继续在整个捕食空间寻找猎物。捕食搜索策略是一种平衡全局探索能力和局部开发能力的方法。将其应用到遗传算法中，首先以较大的交叉概率??Pc1和较小的变异概率Pm1进行全局搜索；一旦发现一个较好的解，则改变为以较大的变异概率Pm2和较小的交叉概率Pc2进行局部搜索；如果在搜索过程中最优解得不到改善，则再以较大的交叉概率Pc1和较小的变异概率Pm1进行全局探索。?? 　　1．2编码策略?? 　　遗传算法的编码方式很多，本研究中采用实数编码。实数编码克服了二进制编码解码的换算占用计算机时间问题以及表达精度的要求与计算量之间的矛盾。采用实数编码时，个体的表达形式为 　　 　　2．2结果分析?? 　　从表1可以看出，本文提出的PSGA相对于SGA、MCGA和MGA在成功率上有了较大的提高，但是在进化代数上有所增加。其主要原因是PSGA在发现较好解之后要进行局部搜索，由此降低了交叉概率，从而使种群中产生较好新个体的可能性变小。特别是在进化早期，对算法的影响更大。?? 　　从PSGA的三种算法的计算结果来看，在进化代数较少的情况下，PSGA3算法的成功率较高，平均最优值更接近全局最优值；而在进化代数较大的情况下，PSGA2算法的成功率较高，平均最优值更接近全局最优值，但算法收敛的平均进化代数也最大。其主要原因是，当??k值取值较小时，进入局部搜索的次数就较多，因此算法收敛的平均进化代数也越大；当k值取值较大时，算法进入局部搜索的次数较少，而进行全局搜索越多，因此算法收敛的平均进化代数较小，但算法的成功率也较小。由此可以看出，k值的选择要根据具体情况来确定。???? 　　 　　3结束语?? 　　 　　本文提出了一种基于捕食搜索策略的遗传算法。该算法根据当代最优适应度和历代最优适应度的比值来更新交叉概率和变异概率，从而加强算法的全局搜索和局部优化的能力。从测试函数仿真实验的结果来看，该算法是可行的。?? 　　 　　参考文献： 　　[1]付旭辉,康玲. 遗传算法的早熟问题探究[J]. 华中科技大学学报:自然科学版,2003,31(7):53－54. 　　[2]汪民乐,高晓光,刘刚. 遗传算法早熟问题的定量分析及其预防策略[J].系统工程与电子技术,2006,28(8):1249－1251,1288. 　　［3］蔡良伟,李