变种群规模合作型协同进化遗传算法及其在优化中的应用.pdfVIP

维普资讯 第 19卷 第 12期 控 制 与 2004年 12月 Vo1．19 No．12 Control alld Dec．2004 文章编号 ：1001—0920(2004)12-1437-04 变种群规模合作型协同进化遗传算法及其在优化中的应用 孙晓燕，巩敦卫 (中国矿业大学 信息与电气工程学院，江苏 徐州 221008) 摘 要：分析合作型协同进化遗传算法的进化效率和计算复杂性等与子种群规模的关系；在此基础上提出子种群规 模 自适应调整算法的思想．给 出子种群规模调整的依据和调整方法；进而提出基于实数编码的变焦遗传算法．典型函 数优化实例验证 了该算法具有计算复杂性小和进化效率高 的优点． 关键词：合作型协 同进化；遗传算法；变种群规模；变焦 中图分类号 ：TP18 文献标识码：A Varying population size cooperative c0eV0luti0nary genetic algorithm and itsapplicationin optimization SUN Xiao—yan，GONG Dun-wei (CollegeofInformationandElectricalEngineering，ChinaUniversityofM iningandTechnology，Xuzhou221008． China．Correspondent：SUNXiao—yan，E—mail：xiaoyansxy一78@163．net) Abstract：Methodologyofsubpopulation sizechangeadaptively ispresentedbasedon theanalysisoftherelation amongpopulation size，evolutionaryefficiencyandcomputationalcomplexityofcooperativecoevolutionarygenetic algorithm．Thecriterionandmethod ofsubpopulation sizechangeadaptivelyaregiven．A realzoominggenetic algorithm isputforth．Thealgorithm isvalidatedbybenchmarkfunctionoptimization． Keywords：cooperativecoevolution；geneticalgorithm ；varyingpopulationsize；zooming 1 引 言 目前，对合作型协同进化遗传算法的研究主要 合作型协同进化遗传算法是解决高维多 目标等 在于应用方面[2]，但该算法计算复杂性较高．如何 复杂结构问题的高性能多种群进化算法．其基本思 减小计算复杂性 ，使其得以进一步广泛应用，是需要 想是[1]：首先将待优化复杂系统变量分组 ，转换为多 深入研究的课题．为此，本文研究如何提高合作型协 个少变量系统优化问题；然后对多个少变量系统分 同进化遗传算法的有哪些信誉好的足球投注网站效率和减小计算复杂性问 别编码 ，形成多个独立 的子种群，各子种群独立进 题．首先分析合作型协同进化遗传算法的进化效率 化．因为单个子种群的个体仅代表复杂系统的一个 和计算复杂性等与子种群规模的关系；在此基础上 部分，故个体进行适应度评估时必须用到其他子种 提出子种群规模 自适应调整算法的思想，给出子种 群的个体信息，称为代表个体．即待优化系统的完整 群规模调整的依据和调整方法 ，并提出基于