遗传算法小生境技术简介.pdfVIP

遗传算法小生境技术简介 生物学上，小生境是指特定环境下的一种组织结构。在自然界中，往往特征，形 状相似的物种相聚在一起，并在同类中交配繁衍后代。在 SGA中，交配完全是 随机的，在进化的后期，大量的个体集中于某一极值点上，在用遗传算法求解多 峰值问题时，经常只能找到个别的几个最优值，甚至往往得到是局部最优解。利 用小生境我们可以找到全部最优解。 小生境技术就是将每一代个体划分为若干类，每个类中选出若干适应度较大的个 体作为一个类的优秀代表组成一个群，再在种群中，以及不同种群中之间，杂交， 变异产生新一代个体群。同时采用预选择机制和排挤机制或分享机制完成任务。 基于这种小生境的遗传算法 （NichedGeneticAlgorithms，NGA），可以更好的 保持解的多样性，同时具有很高的全局寻优能力和收敛速度，特别适合于复杂多 峰函数的优化问题。 模拟小生境技术主要建立在常规选择操作的改进之上。Cavichio在1970年提出 了基于预选择机制的选择策略，其基本做法是：当新产生的子代个体的适应度超 过其父代个体的适应度时，所产生的子代才能代替其父代而遗传到下一代群体中 去，否则父代个体仍保留在下一代群体中。由于子代个体和父代个体之间编码结 构的相似性，所以替换掉的只是一些编码结构相似的个体，故它能够有效的维持 群体的多样性，并造就小生境的进化环境。