变搜索区域多种群遗传算法

针对孤岛型多种群遗传算法存在的缺陷,提出一种变搜索区域多种群遗传算法.首先,依据各种群最优个体的分布给出搜索区域动态变化的条件和策略;其次,基于搜索区域的测度和搜索粒度给出种群规模自适应调整方法;再次,从搜索区域的测度和种群规模等角度定量分析算法的性能;最后,通过两个典型函数优化验证算法的有效性.     

双精英协同进化遗传算法

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.     

基于种群优化的遗传算法的MUSIC谱峰搜索技术

传统MUSIC算法的谱峰搜索过程中计算量较大,导致其实时性较差.为了改善这一缺陷,将蜜蜂种群繁殖进化的过程进行抽象化,提出一种基于种群优化的遗传算法(IPGA),并将其与MUSIC谱峰搜索相结合.该算法中,种群的最优个体作为蜂王与被选中的个体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,引入新的个体,增加种群个体的多样性;使用分阶段调整的策略对种群规模进行动态调控.由于种群规模的渐进式变化,不但保证了种群的多样性,同时提高了算法克服未成熟收敛的能力.通过实验数据可以证明该方法具有很好的全局搜索能力,可以对多个目标进行搜索.同时,通过计算量的分析,证明与传统方法相比,该算法通过极大地降低计算量而获得了较好的实时性.     

基于数论佳点集的遗传算法初始种群均匀设计

文章利用数论中的佳点集理论和方法,给出了遗传算法初始种群生成的一种具有良好多样性的均匀分布设计.通过对遗传算法机理的研究,发现初始种群的分布状态不仅直接关系到遗传算法的全局收敛性,还影响算法的搜索效率,所以对初始种群进行科学合理设定是应用遗传算法进行寻优计算的一个重要问题.基于优化设计思想,提出应用佳点集均匀设计方法确定遗传算法的初始种群.这种方法具有简单易行、种群多样性好、更适合多维情况等特点,实验结果验证了该方法可以有效地改善算法的全局收敛性,提高搜索效率.     

带选址的关联运输调度问题研究

对零售点的选址问题和关联货物配送问题建模,分别应用改进的混沌遗传算法和免疫克隆选择算法求解该模型,前者采用混沌初始化方法产生初始种群,使种群具有较好的多样性,并采用混沌搜索策略以提高算法的收敛速度和全局搜索能力.最后比较两种算法的求解结果,结果证实了改进的混沌遗传算法求解该模型的有效性与优越性.     

基于强化学习的多策略选择遗传算法

为解决传统遗传算法早熟收敛和收敛速度慢的问题,提出一种基于强化学习的多策略选择遗传算法MPSGA。通过使用不同的选择策略将整个种群划分为3个子种群并分别进化,能提高种群的多样性,有效避免遗传算法的早熟收敛问题。将种群的多样性和算法的运行机制相结合,根据种群多样性的变化运用强化学习算法动态地优化各子种群间的比例参数,从而将种群多样性保持在合适的范围,一定程度上解决了收敛速度和全局收敛性之间的矛盾。实验结果表明,该算法在收敛精度和搜索效率上都表现出较好的性能。     

改进的蜜蜂进化型遗传算法

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.     

一种基于种群划分及杂交的免疫遗传算法

在免疫遗传算法中引入免疫算子可以提高算法的收敛速率,但也会降低种群个体多样性,不利于搜索.该文提出一种基于种群划分和杂交的免疫遗传算法,通过划分种群并对种群间的最优个体进行杂交来提高算法的速率和稳定性.实验表明,该算法在性能上可提高10%左右,收敛速度快、稳定性好、精确度高.     

一种保持群体多样性的多目标遗传算法

提出一种保持群体多样性的多目标遗传算法.该算法采用一种基于信息熵的测度,以衡量群体在多日标空间下的多样性,并利用该测度将群体当前的进化状态(多样性)与算法的运行机制相关联,设计了若干种增强算法探索力度的策略,有效地开拓了算法的搜索范围,提高了进化过程中群体的多样性,防止了算法早熟收敛.对所提出算法的计算复杂度进行了理论分析.仿真实验表明,所提出的算法具有较好的收敛性能和分布特性.     

有时间窗约束车辆路径问题的改进遗传算法

将遗传算法与禁忌搜索结合起来,设计了一种改进的遗传算法求解有时间窗约束车辆路径问题。采用启发式插入算法产生较优良的遗传操作初始种群,通过改进的逆转变异算子更多继承父代的优良性能,以提高遗传算法的计算效率。引入海明距评估遗传进化中种群的多样性。当种群多样性低到一定程度时转入禁忌搜索,以避免遗传算法早熟的缺陷,最终实现全局优化。通过算例验证了该算法的优越性。