一种改进混合遗传算法.docVIP

一种改进混合遗传算法 　　 ［提要］ 为了提高遗传算法的有哪些信誉好的足球投注网站效率，给出了一种改进的遗传算法。该算法提出了新的交叉操作和仿粒子群变异，扩大了有哪些信誉好的足球投注网站范围。通过经典函数的测试表明，改进算法与一般自适应遗传算法相比较，在函数最优值、平均收敛代数、收敛概率等方面都取得了令人满意的效果。 　　 关键词：自适应遗传算法；适应度函数；交叉操作；仿粒子群变异 　　 中图分类号：TP3 文献标识码：A 　　 收录日期：2012年1月12日 　　 一、引言 　　 遗传算法（GA）由美国Michigan大学的Holland教授于1975年首先提出，后经De Jong、GoldBerg等人改进推广，广泛应用于各类问题。它是一种模拟自然界生物进化过程与机制的全局概率优化有哪些信誉好的足球投注网站方法。 　　 早期遗传算法在进化过程中易出现早熟收敛和局部收敛性差等问题，为了克服上述问题，人们提出了多种改进算法，本文针对遗传算法的不足，采用实数编码对遗传算法中的交叉和变异操作进行改进，提高了算法全局有哪些信誉好的足球投注网站能力，最后使用改进的算法进行仿真实验，结果表明本算法具有收敛概率高和平均收敛代数少的优点。 　　 二、改进的遗传算法 　　 1、改进的交叉操作。本文遗传算法采用实数编码，改进的交叉操作是先在交叉前产生三个服从均匀分布的随机数a∈［0，1］、b∈［－1，1］、c∈［－1，1］，然后假设x1，x2是要交叉的两个父代，个体变量为m维，则x1，x2可以表示为x1=（x11，x12，…，x1m），x2=（x21，x22，…，x2m），其中为位移变量，其中?驻ij=min｛（xij-），（－xij）｝（i=1，2；j＝1，2，…m），最后进行两次操作得： 　　 x1=x1+b#8226;?驻1x2=x2+c#8226;?驻2 （1） 　　 x1=ax1+（1－a）x2x2=ax2+（1-a）x1 （2） 　　 x1，x2，x1，x2分别为两次操作所产生的子代，从这4个子代中选取适应度大的两个保留到下一代。通过这种操作可以有效地避免两个数值相近的个体进行“近亲繁殖”（数值相近的个体若只进行（2）式的操作会导致种群多样性快速下降），同时由于b，c的选取，生成的x1，x2是两个不相干的个体，彼此之间独立，由（2）式决定的后代还可以使子代遗传父代的某些有用因素，同时由于（1）式的位移调整，使得（2）式生成的后代比一般的算数交叉产生后代的范围扩大，提高算法的有哪些信誉好的足球投注网站范围，避免有哪些信誉好的足球投注网站陷入一个局部区域而出现“早熟”，最后再引入竞争机制在这四个后代中选出两个最好后代个体，这样在保证多样性的同时可以加快收敛的速度。 　　 2、仿粒子群变异。由于粒子群算法概念简单，收敛速度快，易于实现且具有很强的全局优化能力，所以本文将遗传算法的变异操作改成如下： 　　 假设xi=（xi1，xi2，…，xim）为待变异个体，变异之后的个体为xi。变异操作依据方程xi=xi+c1r1（－xi）＋c2r2（x-xi），其中为个体的上界，x为前一代的最优个体，为加权系数，c1，c2是两个正常数，r1，r2是两个0～1区间的服从均匀分布随机数。本文取=0.7298，c1=c2=1.49445。 　　 三、算法步骤 　　 Step1 采用实数编码产生初始种群，在函数定义域内按照均匀分布随机产生n个个体｛xi｝（i＝1，2，…n），设定最大进化代数为T。 　　 Step2 计算每个个体的函数值，之后根据计算种群函数的平均值，最后按照适应度函数计算当前种群中每个个体的适应度。其中适应度函数的设定为： 　　 f（xi）=f（xi t＜0.6Ttan）#8226;f（xi）＋fmax t＞0.6T （3） 　　 其中，fmax为上一代最优解所对应的函数值，t为当前代数，T为预先设置好的最大迭代次数。 　　 Step3 根据每个个体的适应度，采用比例选择法。通过这种适应度转换，使得在进化前期原本函数值小的个体将有更大的概率被选择，保持了种群的多样性。 　　 Step4 按照概率 　　 pc＝pc1-，f≥favgpc1，f＜favg在种群中随机选择父代个体，f为两个要交叉个体适应度大的个体适应度值，之后应用本文改进的交叉操作进行交叉，最后通过竞争选取两个最好的个体作为子代个体。 　　 Step5 依据变异概率 　　 pm=pm1-，f≥favgpm1，f＜favg选定变异个体，其中将选定的个体依照本文的拟粒子群变异方法进行变异。 　　 Step6 最优保存策略，本文将最优保存策略算法做如下修改：第一步，计算每个个体的函数值，然后排序，找出最优解、最差解；第二步，若上一代最优解的函数值比当前最优解的函数值大，则用上一代的最优解替换当前最优解；若上一代的最优解函数值小，则用上一代的最优解替换当前中的最差解。这