遗传算法中防止早熟收敛的几种措施

遗传算法在众多领域都有广泛的应用,但早熟现象是影响遗传算法的关键问题,本文对防止早熟收敛作了深入的研究。提出了几种克服这种缺点的措施。     

一种新的基于混沌变异解决早熟收敛的遗传算法

给出解决遗传算法早熟收敛问题的统一框架，基于新的混沌变异模型提出一种新的遗传算法。该算法充分利用混沌的初值敏感性和轨道遍历性，克服了已有混沌变异模型存在搜索盲区大的缺点。多峰值函数优化计算结果验证了该算法的可行性和有效性。     

一种解决早熟收敛的自适应遗传算法设计

为了解决简单遗传算法(SimpleGeneticAlgorithm,SGA)易陷入局部最优解的问题,及以往自适应遗传算法只考虑与进化代数相关的交叉与变异概率,而忽略个体分布情况及种群规模不可变等问题,本文在保留以往自适应遗传算法优点的同时,设计了与种群中个体分布相关的可变交叉概率与变异概率。同时考虑了种群规模的波动情况,使算法在相对稳定的动态种群规模中寻找优质解。     

一种避免早熟收敛的改进遗传算法

针对传统遗传算法的早熟收敛问题,在著名的“基因块“假设的基础上,提出了一种改进算法:利用设计的新算子对传统遗传算法演化过程中被淘汰的个体进行二次演化,使得可能包含在将来的演化中对结果的全局最优性产生重要影响的基因块得以保留,以此来避免遗传算法早熟收敛现象。实验结果证明了该改进算法可以有效地避免早熟收敛,提高了算法全局优化能力。     

解决一类遗传算法早熟收敛的混合法及其推广

本文分析了变型标准遗传算法ＶＣＧＡ（ｖａｒｉａｎｔｓｏｆｃａｎｏｎｉｃａｌｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ）有时会产生早熟收敛的机理，提出了混合法ＨＶＣＳＤＡ（ｈｙｂｒｉｄＶＣＧＡｃｏｍｂｉｎｅｄｗｉｔｈｓｔｅｅｐｅｓｔｄｅｓｃｅｎｔａｐｐｒｏａｃｈ），并进行了推广．该方法可使最优保存的超级个体时间序列离开早熟收敛状态而继续接近全局最优解．仿真实例表明了本文算法的有效性．在３０城市ＴＳＰ（ｔｒａｖｅｌｉｎｇｓａｌｅｓｍａｎｐｒｏｂｌｅｍ）的基准测试问题中，本文得到了路径为６．８２的结果，它好于用新的现代的启发式搜索方法——ＴＡＢＵ搜索法得到的６．９９的结果．     

一种改进的抑制早熟收敛的模糊遗传算法

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。     

基于亲缘选择的遗传算法

针对传统遗传算法容易陷入局部最优解的缺陷,借鉴生物中亲缘选择的思想,提出基于亲缘选择的遗传算法。该算法构造新选择算子,通过按亲缘关系放弃一个解而获得另一个解来保证算法在最优解的领域内的有效搜索,提高遗传算法对全局最优解的搜索能力和收敛速度。仿真结果表明,该算法正确有效,性能优于现有的传统算法。     

一种种群自适应收敛的快速遗传算法

作为一种全局搜索算法,遗传算法的局部搜索能力较低,后期产生的无效进化与早熟收敛影响优化的速度和精度。已有的改进策略多以算法的时间复杂度为代价提高后期效率,严重限制了遗传算法在工业控制系统中的应用。针对这种情况,提出了一种新型种群自适应收敛的快速遗传算法,即通过提高种群的遗传质量,在严格控制算法复杂度的前提下提高优化性能。仿真结果证明,在不增加时间复杂度的前提下,新算法显著地提升了收敛精度和收敛速度。     

一种改进的抑制早熟收敛的遗传算法

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,提出了遗传算法算子的一些改进策略,对遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采用最佳保留选择策略,改进后的交叉与变异操作,使算法始终保持了种群的多样性,同时也提高了寻优最终结果的精确性.实验表明改进的遗传算法有效的改善了遗传算法的缺点,改进后的算法明显优于传统的遗传算法,该算法具有良好的有效性和可行性.     

一种快速收敛的遗传算法

本文针对传统遗传算法收敛速度慢的缺点，提出了一种改进的快速收敛算法，并以八皇后问题为例进行了数值模拟，实验结果表明这种改进的遗传在收敛速度上大大优于传统遗传算法。     

遗传算法中自适应的比例选择策略

基于适应度比例的选择策略是遗传算法的基本选择方法,但采用该策略易出现未成熟收敛和随机漫游现象。通过实验分析了两种现象的成因,提出采用自适应的比例选择策略来依据种群性状的改变而动态地调整选择压力,进而调整算法求精和求泛能力的平衡。分析和对比实验证实,新的选择策略可有效克服未成熟收敛和随机漫游现象。     

遗传算法选择策略比较

以遗传算法中的轮盘赌选择策略和锦标赛选择策略作为研究对象,通过在13个基准测试函数上的测试,对不同选择策略的性能进行了比较和分析.实验结果表明,锦标赛选择策略比轮盘赌选择策略具有更好的通用性,而且性能更优.在锦标赛选择策略中,组规模为种群规模的60%至80%的锦标赛选择策略效果较好.该实验结果为设计更加合理高效的选择策略提供了有用的参考.     

Estimation of selection efficiency from the increment of adaptation

A genetic algorithm is proposed that uses not the adaptation (fitness) itself but the increment of adaptation during selection. The algorithm proposed makes it possible to avoid the premature convergence of computations. The efficiency of the algorithm is experimentally estimated. __________ Translated from Kibernetika i Sistemnyi Analiz, No. 3, pp. 70–75, May–June 2006.     

Binary trie coding scheme: an intelligent genetic algorithm avoiding premature convergence

The multi-dimensional knapsack problems (MKP) have a landscape called a rugged landscape, which may lead to local optima without any progress to optimal solution. Optimization requirement often involves searching amongst various solutions under multi-objective situations. Maintaining diversity and avoiding premature convergence while keeping the population size small and unique is one of the prime approaches to meet the requirements. In this paper, we propose a practical solution to the duplicity as well as premature convergence problem. We have introduced the concept of virtually compressed binary trie (VCBT) and tried to show that the VCBT can be naturally integrated with the genetic algorithm (GA) so that duplicates are completely eliminated while the trie size is kept reasonably small and practically feasible. Our binary trie coding scheme (BTCS) relies on problem-specific knowledge in fragmenting the search space into feasible and infeasible regions, and thus pruning the infeasible areas. Pruning of the trie occurs frequently and is dependent upon many parameters (other than the infeasibility) and the trie size is kept small throughout the whole process. Comparison tables are given for the performance of the BTCS and other good performing evolutionary algorithms found in literature for the MKP. Here, the optimization ability of the BTCS is compared against the GA given by Chu and Beasley; in particular, on a suite of standard MKP test instances from the OR library. The simulation results show that the proposed strategy significantly improves the computational efficiency of GA and generates robust and near-optimal solutions.     

一般克隆选择算法的概率性收敛研究*

为了丰富克隆选择算法的理论研究并将遗传算法与克隆选择算法的收敛属性进行比较,采用与研究遗传算法类似的方法研究一般克隆选择算法概率性收敛属性,得到了克隆选择算法以一个预先定义的概率δ找到全局最优解的进化代数上界,该上界是独立于优化问题的。另外,在概率性收敛的情况下,得出了克隆选择算法与遗传算法的进化代数上界的比较结果以及相关结论。     

遗传算法的平均收敛速度及其估计

给出了独立于表示的变异算子和交叉算子的数学描述, 建立了遗传算法种群的精确马尔可夫链模型, 导出了种群中最佳个体的马尔可夫链及其随机矩阵, 将遗传算法的平均收敛速度定义为最佳个体转移至吸收态的平均吸收时间的数学期望, 提出了应用最佳个体的随机矩阵估计遗传算法平均收敛速度的理论方法和计算步骤.     

一种快速收敛的混合遗传算法

利用遗传算法早熟的特点 ,构造出一种快速收敛的混合算法来求解优化问题 ,并分析了它的收敛性。它是使用遗传算法来生成搜索方向 ,从而保证了算法的收敛性。该算法利用遗传算法的全局搜索能力 ,并采用 Nelder- Mead单纯形法来加强算法的局部搜索能力 ,加快了算法的收敛速率。模拟实验表明 ,该方法具有高效性和鲁棒性     

改进遗传算法全局收敛性分析

传统的遗传算法大多数没有给出收敛性准则。一类新的改进的遗传算法被提出,该算法即考虑了优化问题的全局性要求——每一步构造一个新函数,而这往往却比局部最优理论和方法困难得多;同时通过对选择算子的改进,对遗传算法后期进化缓慢问题得到了有效控制,最后给出了算法的收敛性证明以及收敛性准则。实例证明该算法是有效的。     

遗传算法选择方法的比较分析

本文基于改进的基本遗传算法实验,对选择方法进行了比较分析的研究,测试了四种不同选择方法：轮盘赌选择法、锦标赛选择法、随机遍历选择法以及一种新的基于种群交流的选择方法,分析比较这四种不同选择方法封种群发展及最佳适应值的影响。结果表明各种选择方法各有特点。最後为了防止陷入局部收敛,而对轮盘赌选择方法进行了改进,并比较了改进前後的结果,发现改进后的结果要好一些。     

基于克隆选择遗传算法的图像阈值分割

为了快速有效地得到图像的最佳阈值,基于人工免疫系统中的克隆选择原理,提出一种新的混合遗传算法,并将其应用于基于最大类间方差法的图像阈值分割问题.该算法用克隆选择代替标准遗传算法中的概率选择,根据抗体.抗原的亲和度对种群中的优良个体有选择的克隆增殖,并利用抗体浓度调节机制采抑制高浓度抗体、促进低浓度抗体,以保持种群中个体的多样性.从而避免了遗传算法陷入局部最优解,出现早熟收敛现象.仿真实验结果表明,该算法对多类图像的良好分割效果和较强的实用能力.