一种非一致性的自适应遗传算法与应用ξ.pdf

( ) 第 20 卷第 6 期 总第 114 期 V o l. 20, N o. 6 　　　　　　系　统　工　程　 　 　　　　　　　　 2002 年 11 月　　　　　　　　　　　　 System s Engineering　　　 　 　 　 　　　N ov. , 2002　 文章编号:(2002) 一种非一致性的自适应遗传算法与应用 孙有发, 陈世权, 吴今培 (五邑大学 智能技术与系统研究所 管理学院, 广东 江门　529020) 摘　要: 在排序操作的自适应遗传算法的基础上, 建立了一种非一致性自适应遗传算法。这种算法运用 非一致性自适应算子确定变异量, 使演化系统根据演化进度及解的质量, 自适应地去调整有哪些信誉好的足球投注网站区域, 使 得算法的全局有哪些信誉好的足球投注网站效率得到明显提高. 实例仿真表明了该算法的有效性。 关键词: 自适应遗传算法; 非一致性变异; 自适应变异; 变异温度 中图分类号: T P 182　　　文献标识码:A 1　引言 遗传算法(Genetic A lgo rithm , 简称 GA ) 作为一种模拟生物进化过程的新颖方法, 由于其对非线性和复杂问题 具有很好的全局有哪些信誉好的足球投注网站能力, 具有简单通用、鲁棒性强的显著特点, 已引起了不同研究领域学者的广泛注意。 通常, 一个典型的遗传算法可以用一个四元组 = ( , N , , ) 表示, 其中 代表编码方式; N 代表一个规模 ( ) 为 的群体; 为所采用的适应值评估方法; 而 = { , , , …}是所采用的遗传操作 选择、交叉、变异等 方法 N s c m 及相应的控制参数的集合。如果记 为以每一个个体适应值为依据, 经过各项遗传操作而得到的、且作用于 的 一种概率分布, 则可以将遗传算法进行的过程看作映射 : ( × × ) → ′, 其中 ′为经过遗传操作由 进行而 得到的新一代群体。 标准遗传算法(SGA ) 具有 5 个基本步骤: ①参数编码; ②初始群体设定; ③适应度函数设计; ④遗传算子设计 ( ) ( ) ( ) 选择、交叉、变异等 ; ⑤控制参数设定 群体规模、遗传算子概率等 。由于标准的遗传算法 SGA 被证明收敛不到 [1 ] 全局最优解 , 因此在应用中人们不断提出一些改进的遗传算法, 其中较为典型的有基于最佳个体保留的遗传算 法(EGA ) [2 ] , 基于排挤策略的遗传算法(CD GA ) [3 ] , 基于排序选择策略的遗传算法(R GA ) [4 ] 等。 上述遗传算法能够满足不同的应用要求, 但是它们仍然存在一些亟待克服的缺点: ①进化初期的未成熟收敛, 即早