共查询到18条相似文献,搜索用时 93 毫秒
1.
基于寿命的变种群模糊遗传算法 总被引:4,自引:0,他引:4
针对简单遗传算法存在早收敛和在进化后期搜索效率较低的缺点,提出了一种种群数变化的模糊遗传算法.该算法对进化种群数进行宏观调控的同时,再用个体寿命限制个体的生存期,实现对种群数的微观调控.并采用模糊控制器控制交叉率,使其能够根据进化的实际情况自动调整.实验数据表明这种方法能够有效防止早收敛,大大改善遗传算法收敛性能. 相似文献
2.
3.
针对遗传算法中的早熟收敛现象,提出一种改进的模糊遗传算法。该算法将群体适应度均方差和种群的进化代数作为模糊逻辑控制器判断早熟收敛的标准,并根据判断结果对优劣不等的个体采取相应的进化方法,即当种群正常进化时对个体执行“惩强扶弱”的措施以保持种群多样性,一旦发生早熟收敛或有早熟收敛的趋势则对劣质个体进行局部灾变,以恢复种群的进化能力。实验结果表明,与标准遗传算法、自适应遗传算法和模糊遗传算法相比,改进的模糊遗传算法能够更好地维持种群多样性,抑制早熟收敛。 相似文献
4.
针对简单遗传算法存在早收敛和在进化后期搜索效率较低的缺点,提出了一种变参数的遗传算法。该算法对种群的个体赋予寿命,并根据寿命对遗传算法的选择、交叉和变异算子以及种群规模自动调整,能够有效防止早收敛并改善遗传算法收敛性能。并用改进的遗传算法解决基于测井曲线的地层对比的问题,取得了较好效果,验证了算法可用性和高效性。 相似文献
5.
提出一种改进的蜜蜂进化型遗传算法.在该算法中,种群的最优个体作为蜂王与被选的每个个体(雄蜂)以一定概率进行交叉操作,从而增强了对种群最优个体所包含信息的开采能力;同时,为了避免过早收敛,算法在种群次优解周围进行局部搜索,引入新的随机个体,增加算法的多样性.实验结果表明,该算法能有效地提高遗传算法性能的求解精度和收敛速度. 相似文献
6.
双精英协同进化遗传算法 总被引:10,自引:0,他引:10
针对传统遗传算法早熟收敛和收敛速度慢的问题,提出一种双精英协同进化遗传算法(double elite coevolutionary genetic algorithm,简称DECGA).该算法借鉴了精英策略和协同进化的思想,选择两个相异的、高适应度的个体(精英个体)作为进化操作的核心,两个精英个体分别按照不同的评价函数来选择个体,组成各自的进化子种群.两个子种群分别采用不同的进化策略,以平衡算法的勘探和搜索能力.理论分析证明,该算法具有全局收敛性.通过对测试函数的实验,其结果表明,该算法能搜索到几乎所有测试函数的最优解,同时能够有效地保持种群的多样性.与已有算法相比,该算法在收敛速度和搜索全局最优解上都有了较大的改进和提高. 相似文献
7.
8.
蜜蜂双种群进化型遗传算法 总被引:1,自引:0,他引:1
为了改善传统遗传算法的性能,由蜜蜂种群繁殖进化的方式得到启发,提出了一种蜜蜂双种群进化型遗传算法(DBPGA).算法共有两个种群,一个是通过迭代进行遗传操作得到的;另一个在每代进化过程中随机引入.每个种群中的最优个体作为蜂王分别以概率与其它个体(雄蜂)进行交配操作.既能增强对种群最优个体所包含信息的开采能力,又能提高算法的勘探能力,从而避免算法过早地收敛.实验结果表明,该算法对于改进和提高遗传算法性能及求解连续非线性规划问题是有效可行的. 相似文献
9.
10.
并行遗传算法收敛性分析及优化运算 总被引:3,自引:1,他引:3
经典遗传算法(Canonical Genetic Algorihms)利用单一种群对种群个体进行交叉、变异和选择操作,在进行过程中的超级个体易产生过早收敛现象,粗粒度并行遗传算法利用多个子群进行进化计算,各子群体分别独立进行遗传操作,相互交换最优个体后继续进化。文证明了该算法的搜索过程是一个有限时齐遍历马尔柯夫链,给出粗粒度并行遗传算法全局最优收敛性证明。对于旅行商问题TSP(Traveling Salesman Problem)利用粗粒度并行遗传算法进行了求解,以解决经典遗传算法的收敛到局部最优值问题。仿真结果表明,算法的收敛性能优于经典遗传算法。 相似文献
11.
该文提出了基于切平面上升的狭义算法,并对其全局收敛性进行了证明,其终止条件肯定就是收敛点,很好地解决了文献犤6,8犦中所遇到的问题,即能够方便地求解多元函数的优化问题。它具有收敛速度快,搜索过程稳定性好、可控制性强,控制参数易于选定等特点。 相似文献
12.
灾变式均匀布种遗传算法 总被引:1,自引:0,他引:1
遗传算法作为近年来的热点在各个方面都得到了广泛的应用.但是遗传算法有其固有的缺陷,即易早熟,局部寻优能力差.为了改善这两方面的性能,该文从传统遗传算法(SGA)的原理出发,讨论了在初始种群中均匀布种的优越性.在此基础上引入了灾变操作,设计了对这种操作的控制方法.然后对传统的遗传操作(包括交叉操作和变异操作)进行了改进,提高了这两种操作的效率.最后应用C/C++实现了新算法,并对2个著名优化方法测试函数进行优化计算.计算结果证明新算法具有很强的摆脱局部极值的能力和比较快的收敛速度. 相似文献
13.
提出基于督导群体和进化群体的双群体遗传算法。区别于一般的遗传算法,双群体遗传算法充分利用了督导群体的监督导向作用和问题的先验知识;同时,算法设计考虑加入了邻域函数产生一定数量相异性较大的新个体,从而大大提高了算法的全局搜索性能。以(MR)TSP为例,大量数值实验表明,该算法能迅速收敛到问题的最优解。 相似文献
14.
15.
16.
17.
基于模糊规则优化的改进模糊遗传算法 总被引:3,自引:0,他引:3
该文针对遗传算法的特点,提出了一种基于模糊规则优化的改进模糊遗传算法及其算法结构,即用模糊控制的方法来调整遗传算法中的交叉概率和变异概率,同时寻找与控制对象相匹配的最佳模糊规则。在数学函数上的仿真结果表明,此种模糊遗传算法不仅加快了解的收敛速度,而且大大提高了解的质量。 相似文献