遗传算法的改进.pptVIP

遗传算法的改进 遗传算法的改进 自从1975年Holland系统地提出遗传算法的完整结构和理论以来，众多学者一直致力于推动遗传算法的发展，对编码方式、控制参数的确定、选择方式和交叉机理等进行了深入的探究，引入了动态策略和自适应策略以改善遗传算法的性能，提出了各种改进的遗传算法。 下面介绍几种改进的遗传算法。 分层遗传算法 CHC算法 CHC算法是Eshelman于1991年提出的一种改进遗传算法，第一个C代表跨世代精英选择(Cross generational elitist selection)策略，H代表异物种重组，第二个C代表大变异。CHC算法与基本遗传算法不同点在于： 1、选择 通常，遗传算法是依据个体的适应度复制个体完成选择操作的，而在CHC算法中，上世代种群与通过新的交叉方法产生的个体群混合起来，从中按一定概率选择较优的个体。这一策略称为跨世代精英选择。 2、交叉 CHC算法使用的重组操作是对均匀交叉的一种改进。 当两个父个体位置相异的位数为m时，从中 随机选取m/2个位置，实行父个体位置的互换。显然，这样的操作对模式具有很强的破坏性。因此，确定一阀值，当个体间的海明距离低于该阀值，不进行交叉操作。并且，随着种群的进化，逐渐减小该阀值。 3、变异 CHC算法在进化前期不采取变异操作，当种群进化到一定的收敛时期，从优秀个体中选择一部分个体进行初始化。初始