遺傳算法“早熟”現(xiàn)象的探究及改進(jìn)策略.pdf

1、遺傳算法已經(jīng)成為當(dāng)前國(guó)內(nèi)外學(xué)術(shù)界研究的一個(gè)熱點(diǎn)問(wèn)題，它是一種基于達(dá)爾文的優(yōu)勝劣汰理論，通過(guò)模擬自然界生物進(jìn)化而產(chǎn)生的一種智能優(yōu)化算法，具有設(shè)計(jì)簡(jiǎn)單、魯棒性強(qiáng)、僅依靠適應(yīng)度函數(shù)進(jìn)行評(píng)價(jià)而不需要專(zhuān)門(mén)的領(lǐng)域知識(shí)等優(yōu)點(diǎn)，使得它具有廣泛的應(yīng)用范圍，目前已經(jīng)成功應(yīng)用于眾多領(lǐng)域，并得到了很好的效果。目前，遺傳算法作為進(jìn)化計(jì)算研究的一個(gè)重要分支，引起了眾多學(xué)者的關(guān)注，已經(jīng)逐漸成為了人工智能領(lǐng)域研究的熱點(diǎn)問(wèn)題。
　　 作為一門(mén)新興的技術(shù)，遺傳算法

2、仍然處于正在發(fā)展時(shí)期，缺乏堅(jiān)實(shí)的理論基礎(chǔ)。雖然在實(shí)際問(wèn)題中得到了廣泛的應(yīng)用，但是在應(yīng)用的過(guò)程中仍存在群體提前收斂(早熟)、局部搜索能力弱等問(wèn)題。針對(duì)以上問(wèn)題，很多學(xué)者已經(jīng)提出了許多解決辦法或解決策略，也都得到了一定的效果。本文在眾多學(xué)者研究的基礎(chǔ)上，也對(duì)遺傳算法的“早熟”問(wèn)題進(jìn)行了研究，主要工作及研究?jī)?nèi)容如下：
　　 (1)從遺傳算法的基本思想、基本結(jié)構(gòu)以及算法實(shí)現(xiàn)等多方面，詳細(xì)的介紹了遺傳算法，并從模式定義、積木塊假設(shè)及內(nèi)涵并

3、行性定理等三方面研究了支持遺傳算法的理論基礎(chǔ)。
　　 (2)詳細(xì)介紹了遺傳算法“早熟”現(xiàn)象的相關(guān)內(nèi)容，尤其是產(chǎn)生“早熟”的原因及其防止策略，并由此探討了抑制遺傳算法“早熟”現(xiàn)象的改進(jìn)策略及其各自的優(yōu)缺點(diǎn)。
　　 (3)在其他學(xué)者研究的基礎(chǔ)上，本文通過(guò)采用自適應(yīng)精英交叉思想，并融合剩余隨機(jī)抽樣機(jī)制，對(duì)標(biāo)準(zhǔn)遺傳算法進(jìn)行了改進(jìn)，提出了另一種新的改進(jìn)算法AERGA。AERGA中對(duì)精英交叉策略進(jìn)行了改進(jìn)，即引入了自適應(yīng)機(jī)制，對(duì)精英

4、交叉概率進(jìn)行自適應(yīng)調(diào)節(jié)，并與剩余隨機(jī)抽樣機(jī)制有機(jī)的融合并在一起形成了一種新的改進(jìn)算法。
　　 (4)本文通過(guò)采用剩余隨機(jī)抽樣機(jī)制和動(dòng)態(tài)引入新個(gè)體的思想，對(duì)標(biāo)準(zhǔn)的自適應(yīng)遺傳算法進(jìn)行改進(jìn)，提出了一種新的改進(jìn)算法RDAGA。RDAGA將剩余隨機(jī)抽樣機(jī)制與動(dòng)態(tài)引入新個(gè)體的思想有機(jī)結(jié)合，并對(duì)交叉算子和變異算子進(jìn)行了改進(jìn)，有效的維持了群體的多樣性。
　　 最后，基于MATLAB仿真平臺(tái)對(duì)兩種新改進(jìn)的算法進(jìn)行了仿真測(cè)試，通過(guò)實(shí)驗(yàn)數(shù)據(jù)比