改进的小生境混合遗传算法在函数优化上的应用.docx

2017年第36卷第5期传感器与微系统(TransducerandMicrosystemTechnologies)153

DOI:10.13873/J.1000-9787(2017)05-0153-04

改进的小生境混合遗传算法在函数优化上的应用*王聪，柯沪琦2,胡燕海

(1.宁波大学机械工程与力学学院，浙江宁波315211;2.宁波戴维医疗器械股份有限公司，浙江宁波315712)

摘要：为了提高经典小生境遗传算法的收敛性能，加强局部寻优能力，设计了一种新的小生境混合遗传算法。通过判断算法的在线性能指标Xe(s),将模拟退火算法巧妙地融入算法的后期，并针对小生境遗传算法的特点选用格雷码编码，同时设计了自适应的遗传交叉算子。用一个Shubert多峰值函数对改进的算法进行验证，结果表明：新算法的收敛性能和进化效率得到提高，局部寻优能力也有加强。

关键词：小生境；混合遗传算法；模拟退火算法；在线性能指标

中图分类号：TP18文献标识码：A文章编号：1000-9787(2017)05-0153-04

Applicationofimprovednichehybridgeneticalgorithminfunctionoptimization*

WANGCong,KEHu-qi2,HUYan-hai1

(1.FacultyofMechanicalEngineeringandMechanics,NingboUniversity,Ningbo315211,China;

2.NingboDavidMedicalDeviceCorporation,Ningbo315712,China)

Abstract:Inordertoimprovetheconvergenceofclassicalnichegeneticalgorithm,strengthenlocaloptimizingability,anewnichehybridgeneticalgorithmisdesigned.ByjudgingonlineperformanceindicatorsXe(s)ofalgorithm,thesimulatedannealingalgorithmiscleverlyfusedintolateralgorithm,andaimingatcharacteristicsofthenichegeneticalgorithm,chooseGraycodecoding,atthesametime,adaptivegeneticcrossoveroperatorisdesigned.UsingaShubertmultimodalfunctiontovalidatetheimprovedalgorithm,theresultsshowthattheconvergenceofthenewalgorithmandevolutionaryefficiencyisimproved,thelocaloptimizationabilityisalsostrengthened.

Keywords:niche;hybridgeneticalgorithm;simulatedannealingalgorithm;onlineperformanceindicators

0引言

现今存在的一些优化算法，均具有各自的优点，但又存在或多或少的缺点。如：模拟退火法、爬山法局部寻优能力好，但全局寻优能力差；普通的遗传算法容易早熟，全局寻优能力好。因此，根据经验渐渐形成了混合遗传算法的概念，融合算法之间的优点，使求解问题更具效率，求解质量也得到提高[1-8]。

基于混合遗传算法的理念，出现了很多小生境实现技术。如文献[2]中提出了一种基于相似个体交叉和(μ+A)确定性择优机制的小生境技术，能提高全局收敛可靠性，加快收敛速度。文献[3]中提出了一种基于小生境模拟退火的遗传算法，从过程上看，该方法在每一轮进化的末尾执行了模拟退火操