共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
多重群体遗传算法在多选择背包问题中的应用 总被引:2,自引:0,他引:2
叶宇风 《计算机工程与设计》2005,26(12):3442-3443,3464
在解决多选择背包问题中,引入了多重群体遗传算法作为求解方法,根据此问题的特点,制定了具体的杂交、变异方法,设计了遗传算法。在算法中以目标函数加惩罚函数为适应值评价函数,采用新陈代谢的跨世代选择策略,以更好地保持进化过程中的遗传多样性。实践表明,引入了多重群体遗传算法之后,求解此问题效率有明显的改善与提高。 相似文献
3.
为了解决多选择背包问题,引入了多重群体遗传算法作为求解方法,根据此问题的特点而制定了具体的杂交、变异方法,设计了遗传算法。在算法中以目标函数加惩罚函数为适应值评价函数,采用新陈代谢的选择策略,以更好地保持进化过程中的遗传多样性。实践表明,引入了多重群体遗传算法之后,求解此问题效率有明显的改善与提高。 相似文献
4.
5.
针对优化多模函数时单纯使用共享和排挤机制的遗传算法所存在的缺陷,提出了基于适应值共享的多生境排挤遗传算法。基本思想是:按照共享的思想在对个体的适应值进行调整的同时,将排挤选择和相似个体中适应度最差个体被替换的策略分别应用于选择算子和群体的进化中。理论分析和数值实验表明,该算法很好地维持了种群多样性,对于各类多峰函数具有较强的搜索能力。 相似文献
6.
为将交互式遗传算法成功应用于复杂优化问题,有必要提高交互式遗传算法的性能。提出基于进化个体适应值灰度的交互式遗传算法,该算法采用灰度衡量进化个体的适应值评价不确定性;通过适应值区间的分析,提取反映进化种群分布的信息;基于此,给出了进化个体的交叉和变异概率。将该算法应用于服装进化设计系统,结果表明该算法在每代可以获取更多的满意解。 相似文献
7.
元胞遗传算法将遗传操作限制在邻域内进行,减缓了优势个体在群体中的扩散速度,具有更好的全局探索能力,在求解复杂优化问题中显示出优越性.与传统遗传算法对比,以选择压力作为分析手段,对元胞遗传算法进行定性分析.通过求解具有不同特征的函数,分析进化过程群体多样性变化.从进化过程群体分布图,直观得出元胞遗传算法具有较好的维持群体多样性能力;统计结果表明,元胞遗传算法能极大提高全局收敛率,并且求解稳定性更好. 相似文献
8.
传统交互式遗传算法在优化隐式性能指标时会使用户产生疲劳,影响优化质量与优化效率。为此,提出一种改进的交互式遗传算法。采用二元排序确定适应值评价的不确定度,根据评价序列的最大信息差异计算种群的收敛率,通过收敛率衡量种群进化状态,基于适应值不确定度和种群收敛率设计自适应交叉算子和变异算子,给出交叉概率和变异概率的计算公式,利用包含用户偏好信息的遗传策略引导进化,从而使进化结果更加客观。将该算法应用于服装进化设计系统,结果表明,与传统交互式遗传算法( T-IGA)相比,该算法可获取更多的满意解,提高了优化效率。 相似文献
9.
遗传算法的初步研究及改进后的遗传算法程序IGA1.0 总被引:9,自引:5,他引:9
遗传算法是近年来被广泛应用的一种非线性和并行算法。本文研究了几种改进遗传算法效率,提高搜索速度的方法,引入了两种变异的方法,并根据最大最小适应值的差值对适应值函数进行了修正,同时,对三种算子进行了重新安排以拓展搜索工在搜索过程中加入排序以提高杂交效率,同传统的遗传算法相 文的遗传算法没有使用固定的变异率和杂交率,而是让它们随着搜索过程中群体中的个体的重复情况改变,用经典的验证函数检验,这些改进提高 相似文献
10.
元胞遗传算法将遗传操作限制在邻域内进行,减缓了优势个体在群体中的扩散速度,具有更好的全局收敛性,在求解复杂优化问题中显示出优越性。与传统遗传算法对比,以选择压力作为分析手段,对元胞遗传算法进行定性分析。通过求解具有不同特征的函数,分析进化过程群体多样性变化,从进化过程群体分布图,直观得出元胞遗传算法具有较好的维持群体多样性能力;从计算的统计结果,得出元胞遗传算法能极大提高全局收敛率,并且求解稳定性更好。 相似文献