基于隔离机制的小生境技术及其在求解多峰优化问题中的应用.docxVIP

基于隔离机制的小生境技术及其在求解多峰优化问题中的应用 0 传统遗传算法关于最优解的认识 简单的遗传因素是由mipigan大学的horand等人创立的。主要的理论基础来自生物化石和集体遗传。它最初用于模拟自然系统的生物进化现象，后来被用于广泛的工程问题。简单的遗传因素算法对单峰函数的优化非常有效，但在工程中，大量复杂的单峰复杂函数的优化问题大多集中在局部最合适的解。究其原因，许多策略选择采用繁殖机会和适应值的方法，这容易造成以下两个问题。 1)超级数字串或超级个体问题(super individual)问题.超级数字串指的是当前解群中的一个或几个数字串的适应值远大于其它串的适应值,这些数字串在解群中占主导地位,繁殖机会(即进入交配池的机会)很多,经过少数几代迭代后解群中的位置可能全部被该数字串和其后代占据,这样遗传算法的求解过程也就结束了,即收敛了,这限制了遗传算法的全局搜索能力. 2)多个相似数字串问题,也称封闭竞争问题(close race).“相似”在这里指的是数字串的结构和适应值大小都相似或接近,也就是说,这些数字串所代表的点在解空间中比较靠近.一旦解群中出现这种现象,遗传算法的交叉算子将降低其搜索作用,不能引导搜索有效进行,从而难以找到最优解. 导致以上两个问题的原因是简单遗传算法的选择策略缺乏多样性保护机制,而对多峰函数优化来说,解群中解的多样性是保证搜索到最优解的必