共查询到20条相似文献,搜索用时 0 毫秒
1.
针对遗传算法的不足,提出将禁忌搜索方法、免疫算法、遗传算法融和的多目标混合进化算法。该算法引入禁忌搜索法,避免了传统遗传算法早熟现象的发生;引入基于浓度的自适应变异操作,克服算法由于变异概率不变导致的求解过程长,解的多样性差的缺陷;引入外部精英集,避免最优解的丢失,通过ZDT系列测试函数的仿真实验并与NSGA-Ⅱ算法进行比较,验证了算法的有效性。 相似文献
2.
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
3.
遗传算法与进化规划的比较研究 总被引:3,自引:0,他引:3
遗传算法和退化规划是目前工程应用研究中最普遍的两种进化算法,由于它们的来源及原理的不同导致它们在生物基础、算法操作及实施细节上均存在很大差异,适最终影响到它们的实施效果及性能。通过系统的理论分析及函数仿真实验研究表明。进化规划无论是生物基础、算法实施选是计算性能方面都明显优于遗传算法,是处理工程优化问题的一种更理想的方法。 相似文献
4.
一种进化类混合算法的研究 总被引:1,自引:0,他引:1
针对现有的单一算法在解决数值优化问题中存在的问题,提出了一种基于进化计算的混合算法.该算法在原有遗传算法的基础上对交叉算子进行改进,同时将模拟退火算法与变异算子进行结合形成一种模拟变异算子;为提高算法的求解精度和收敛速度,在算法中引入了进化策略的自适应搜索特性; (μ,λ)选择算子的应用增加了跳出局部最优解的几率,精英保留策略的选用能够保障算法收敛于全局最优解.用两个典型的测试函数对该算法进行测试,测试结果表明算法能够跳出局部最优解的陷阱,快速高效,高精度地收敛于全局最优解. 相似文献
5.
6.
7.
8.
进化策略是遗传/进化算法中的重要算法之一.如何选择合适的策略来引导进化则又是进化策略的关键问题之一,本文从进化策略对自然选择的基本理解和结论出发,给出了一种对进化策略中的策略选择问题的进化优化方法.同时,我们还讨论了基于进化策略的机器学习问题. 相似文献
9.
多目标进化算法的研究主要集中于搜寻全局最优解。在现实中,环境不是一成不变的,需找到抗干扰能力强的鲁棒解。多目标鲁棒最优化问题的研究较少,主要归结于环境的不确定性和缺乏合适的测试函数。针对不同特性测试函数,通过实验检验了在不同干扰下算法的性能变化情况。实验结果表明,存在干扰的情况下,原来的测试函数不再适用,需构造鲁棒测试函数。 相似文献
10.
并行混合免疫遗传算法及其应用 总被引:9,自引:0,他引:9
以并行遗传算法(PGA)为基础,对其早熟、收敛慢等缺陷加以改进,提出一种并行混合免疫遗传算法(PHIGA)。该算法将免疫原理引入到遗传算法中,提高了算法的整体性能。这主要表现在一方面免疫选择可有效地防止早熟,另一方面基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化和基于自适应交叉、变异的多种群搜索,与单纯形法的混合可更好地改善其局部搜索性能。文中布局问题的算例验证了该算法的可行性和有效性。 相似文献
11.
基于多种群的自适应免疫进化计算 总被引:3,自引:0,他引:3
将免疫思想同思维进化计算相结合,提出一种新的基于多种群的自适应免疫进化算法(IABM),算法定义了选择、记忆、克隆、超变异、抑制5种基本算子.试验结果表明该算法具有高效的收敛速度,并能收敛到全局最优点.与多种群遗传算法和思维进化计算相比,IABM收敛速度更快,收敛率更高. 相似文献
12.
13.
14.
15.
16.
当训练样本分布密集交错时,传统的否定选择算法难以将检测器生成在正/反样本间的有效区域,导致检测器集合对这些样本的识别率降低,影响了算法性能。为使检测器能有效地识别分布密集交错的样本,本文提出了免疫进化否定选择算法(IENSA)。IENSA通过加入两个免疫进化过程,首先在样本分布密集的区域引导检测器在正/反样本之间有效地生成,然后在样本分布稀疏的区域对冗余检测器进行抑制。实验结果表明在二维人工数据集Rectangle与三维标准数据集Skin Segmentation上,相对于经典的RNSA与V-Detector算法,IENSA均能以较少的检测器而达到较高的检测率。 相似文献
17.
18.
基于主动进化的遗传算法 总被引:5,自引:2,他引:5
根据当前遗传学和生物进化论中对变异方式的研究成果.将定向变异的思想引入到标准遗传算法领域,提出了一种基于主动进化的遗传算法.这种改进的遗传算法,可以在很大程度上克服现有遗传算法执行效率低的问题.我们将这种方法应用到TSP问题中,取得满意的实验结果、 相似文献
19.
针对传统多目标算法早熟收敛及多样性不足的问题,提出了一种改进的非支配排序合作型协同进化遗传算法(Improved Non-dominated Sorting Cooperative Coevolutionary Genetic Algorithm,INSCCGA)。该算法利用外部档案存储每一代进化过程中产生的精英个体,并对其不断进行更新,以加快算法的收敛速度。同时提出了一种新型子种群之间协同进化的方式,增强候选解的多样性。利用ZDT系列标准测试函数,与经典的多目标进化算法NSGA-II以及多目标协同进化算法NSCCGA进行了对比,结果表明改进算法具有更好的收敛性以及均匀的解分布。 相似文献