自适应小生境遗传算法的性能分析.pdfVIP

1 自适应小生境遗传算法的性能分析 李明林 （福州大学机械工程及自动化学院 福建福州 350002） E-mail ：lml_006@163.com 摘 要：本文提出一种改进的维持物种多样性的小生境实现技术——自适应小生境遗传算 法。该算法以 Mahfoud 提出的确定性排挤策略为基础，采用数值编码，并结合算术交叉、 非均匀变异和高斯变异、自适应变异概率。经过实验分析，验证了该算法能有效地、自适 应地形成小生境进化环境，并具备相当的收敛速度和相当的求解精度。 关键词：小生境，自适应，遗传算法，多态优化，排挤 1 引言 作为一种模拟生物在自然环境中遗传和进化过程的自适应全局优化有哪些信誉好的足球投注网站算法，遗传算 法以其明显优于传统优化算法的鲁棒性、自适应性、全局优化性和隐含并行性广泛地用于 求解各种工程优化问题。近年来，人们特别关注发展用于多目标优化、多峰值函数优化与 组合优化问题的小生境遗传算法[1] 。 观察各种小生境的实现方法，可看出其共同点都是为了有效地维持群体的多样性。而 其差别可归纳为两种基本类型：一种是将连续的、无限的有哪些信誉好的足球投注网站空间划分为离散的、有限的 小生境区域；另一种则是对种群的适应度作适当的修整以抑制超级个体的复制概率来维持 进化过程中的群体多样性。前一种类型以 De Jong 提出的基于排挤机制（Crowding ）的小 生境实现方法为代表（1975 ），后一种类型以 Goldberg 等提出的基于共享机制（Sharing ） 的小生境技术为代表 （1987 ）。在此基础上，各种各样的小生境技术不断出现。我们项目的 研究主要是对一些有代表性的技术进行性能分析，为小生境遗传算法的实际工程应用提供 有用的设计依据。 本文首先在深入理解 Mahfoud 提出的基于确定性排挤机制（Deterministic Crowding ） 的小生境思想的基础上，以实验的手段论证其思想的有效性和正确性。在实验过程中，不 断修改程序的各个组成部分，并用于函数优化测试。最后发现一种程序组合具有较明显的 特点。它可维持种群的多样性，而且可自适应形成大小、形状各异的小生境。因此将它称 为自适应小生境遗传算法（简称 SNGA）。 本文首先介绍确定性排挤机制的基本思想和算法结构，结合文献[2]的遗传算子编写了 SNGA 类库函数。其次结合三种较为典型的数值优化测试函数，对 SNGA 进行实验分析。 最后对 SNGA 进行总结讨论。 2 确定性排挤机制和 SNGA 1970 年，Cavicchio 提出了基于预选择机制（Preselection ）的小生境技术，其基本思 想是父代个体经过遗传操作后生成子代个体，父子个体相互竞争，适应度高的进入下一代 群体中。DeJong 于 1975 年一般化了 Cavicchio 的预选择机，在其博士论文提出了基于排挤 机制（Crowding ）的小生境技术。即：在父代群体中选取部分个体作为小生境主体，在新 生子代群体中与小生境主体相似的个体不得进入下一代群体。他们声称这两种方法都可在 群体中形成小生境的进化环境，并维持了群体的多样性。 1本课题得到福建省教育厅（JB04025 ）项目资助。 -1- 1992 年Mahfoud[3]对Preselcetion和Crowding进行比较深入的研究，指出在实际应用中， 这两种方法并不象其作者所声称的那样能成功地维持种群多样性。真实情况是这两种方法 所采用的随机替代技术将产生大量的基因 1、初始化父代群体并进行评估； 漂移，而使算法收敛于局部最优解。在综 2 、按适应度降序排列群体，选择邻近两个父代 个体P1、P2