一种引入强制变异的改进遗传算法

doi:10.7523/j.issn.2095-6134.2003.3.009

中国科学院大学学报 ›› 2003, Vol. 20 ›› Issue (3): 316-320.DOI: 10.7523/j.issn.2095-6134.2003.3.009

一种引入强制变异的改进遗传算法

孔祥蕾^1,2, 张先燚², 罗晓琳^1,2, 李海洋^1,2

1. 中国科学院安徽光学精密机械研究所环境光谱学实验室, 合肥 230031
2. 中国科学院研究生院, 北京 100039

收稿日期:2002-07-15 修回日期:2002-11-01 发布日期:2003-05-10
通讯作者: 李海洋,Email:hli@aiofm.ac.cn
基金资助:
国家自然科学基金资助项目(20073042)

An Improved Genetic Algorithm with Enforced Mutation

KONG XiangLei^1,2, ZHANG XianYi², LUO XiaoLin^1,2, LI HaiYang^1,2

1. Laboratory of Environmental Spectroscopy, Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei 230031, China ;
2. Graduate School of the Chinese Academy of Sciences, Beijing 100039, China

Received:2002-07-15 Revised:2002-11-01 Published:2003-05-10

摘要/Abstract

摘要：

针对常用遗传算法存在容易产生过早收敛的问题,提出了一种将强制变异、最佳解保留和自适应交叉变异参数调整相结合的改进遗传算法。这种方法将进化过程中群体的平均适应度与最大适应度进行比较,以确定是否需要对群体实施强制变异或采用自适应交叉、变异概率调整。数值模拟的结果表明,这种方法可有效地克服早熟现象,提高全局优化能力

关键词: 遗传算法, 早熟, 强制变异, 自适应参数

Abstract:

An improved genetic algorithm is developed, with the addition of three new operations :enforced mutation;direct preserving of best chromosome and using adaptive parameters.The method compares average fitness of pop with maximum fitness, and makes sure the necessity of enforcedmutation or crossover and mutation with adaptive parameters.The simulating results indicate the improvedmethod can prevent premature and realize global-optimization effectively.

Key words: genetic algorithm, premature, enforced mutation, adaptive parameters

中图分类号:

TP18

孔祥蕾, 张先燚, 罗晓琳, 李海洋. 一种引入强制变异的改进遗传算法[J]. 中国科学院大学学报, 2003, 20(3): 316-320.

KONG XiangLei, ZHANG XianYi, LUO XiaoLin, LI HaiYang. An Improved Genetic Algorithm with Enforced Mutation[J]. , 2003, 20(3): 316-320.

参考文献

[1] Goldberg D E.Genitic Algorithms in Search, Optimization and Machine Learning.New York:Addison-Wesley, 1989.1 ～ 83

[2] SrinivasM,Patnatic L M.Adpative Probablities of Crossover andMutation inGeneti c Algorithms.IEEE Trans, Systems,Man and Cybernati cs,1994,24(4):656 ～ 667

[3] 陈国良, 王煦法, 庄镇泉, 等.遗传算法及其应用.北京:人民邮电出版社, 1996.1 ～ 26

[4] Srinivas M,Patnatic L M.Genetic Search :Analysis Using Fitness Moments.IEEE Trans,Knowledge, Data Engineering, 1996, 8(1):120 ～ 133

[5] 何险峰, 周家驹.遗传算法及其在化学化工中的应用.化学进展, 1998, 10(3):312 ～ 318

[6] 顾　坚, 陈丰收, 戴擎镰, 等.遗传算法在复杂反应动力学模型参数估算中的应用.高校化学工程学报, 1999, 13(4):346 ～ 351

[7] 程　成, 何赛灵.用遗传算法优化铜激光放电电路的LC 参量.物理学报, 2000,49(4):713 ～ 718

[8] 夏保云, 蔡文生, 邵学广, 等.改进的遗传算法用于氩原子团簇的结构优化.计算机与应用化学, 2001, 18(2):139 ～ 142

[9] 闫　洁, 曹秉刚, 史维祥。一种快速收敛的遗传算法及其应用.西安交通大学学报, 2001, 35(1):66 ～ 70

[10] 涂承媛, 涂承宇.一种新的收敛于全局最优解的遗传算法.信息与控制, 2001, 30(2):116 ～ 119

[11] 潘美芹, 贺国平, 马学强.基于改进遗传算法的多维函数的优化计算.山东科技大学学报(自然科学版), 2000, 19(2):14 ～ 17

[12] 许明辉, 高成修, 于　刚.一种克服遗传算法的参数调整及并行方法.武汉大学学报(理学版), 2001, 47(1):33 ～ 36

[13] 扬启文, 蒋静坪, 张国宏.遗传算法优化速度的改进.软件学报, 2001,12(2):270 ～ 276

[14] 曹先彬, 王本年, 王煦法.一种病毒进化型遗传算法.小型微型计算机系统, 2001, 22(1):59～ 62

一种引入强制变异的改进遗传算法

An Improved Genetic Algorithm with Enforced Mutation

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	明卫鹏, 马广彬, 章文毅. 基于基因表达式编程的多星成像任务规划算法[J]. 中国科学院大学学报, 2020, 37(4): 532-538.
[2]	桑睿, 吴杰, 许华, 郭强. 基于改进的遗传算法的后非线性盲源分离[J]. 中国科学院大学学报, 2012, 29(5): 707-713.
[3]	陈刚, 王宏琦, 孙显. 基于核函数原型和自适应遗传算法的 SVM模型选择方法[J]. 中国科学院大学学报, 2012, 29(1): 62-69.
[4]	刘丽峰, 张树清. 人工免疫算法规划复杂环境下三维飞行航迹[J]. 中国科学院大学学报, 2011, 28(6): 746-751.
[5]	王翠平, 郭立, 王昱洁, 陈运必. 音频DCT系数分布函数的建模[J]. 中国科学院大学学报, 2011, 28(6): 752-758.
[6]	赵冬, 赵光恒. 基于改进遗传算法的高光谱图像波段选择[J]. 中国科学院大学学报, 2009, 26(6): 795-802.
[7]	徐菡;　张敏洪. 大规模逆向物流网络非线性优化模型的研究[J]. 中国科学院大学学报, 2007, 24(6): 749-755.
[8]	罗德林; 沈春林; 王彪 ; 吴文海. 基于混合自适应遗传算法的协同多目标攻击空战决策（英文）[J]. 中国科学院大学学报, 2006, 23(3): 382-389.
[9]	贵刚, 于军, 苏丽杰, 聂义勇. 压力铸造充型过程多工艺参数的优化选择[J]. 中国科学院大学学报, 2004, 21(4): 532-537.
[10]	甘国辉, 刘长岐, 杨丹. 基于遗传算法的农业用地结构优化研究——以北京市通州区为例[J]. 中国科学院大学学报, 2004, 21(1): 50-55.