首页 | 本学科首页   官方微博 | 高级检索  
     

自适应引导进化遗传算法
引用本文:曹凯, 陈国虎, 江桦, 马欢. 自适应引导进化遗传算法[J]. 电子与信息学报, 2014, 36(8): 1884-1890. doi: 10.3724/SP.J.1146.2013.01446
作者姓名:曹凯  陈国虎  江桦  马欢
作者单位:信息工程大学信息系统工程学院 郑州450002
基金项目:国家自然科学基金(61272490;60903221)资助课题
摘    要:该文提出一种自适应引导进化遗传算法。算法中采用佳点集方法产生初始种群,结合保留精英个体策略,对种群进行分割,各子种群并行交叉变异,且其中一个子种群为随机产生的。为提高算法收敛速度,分别对各子种群中较优个体进行优秀基因位统计,据此对其它个体采取一种自适应引导变异操作。通过将算法运行过程建模为有限齐次马氏链,证明了算法的全局收敛性和收敛快速性。实验结果表明,自适应引导进化遗传算法较其它的遗传算法在收敛速度和准确度上都有较大提高。

关 键 词:遗传算法   引导变异   佳点集   收敛性   马氏链
收稿时间:2013-09-23
修稿时间:2013-12-20

Guided Self-adaptive Evolutionary Genetic Algorithm
Cao Kai, Chen Guo-Hu, Jiang Hua, Ma Huan. Guided Self-adaptive Evolutionary Genetic Algorithm[J]. Journal of Electronics & Information Technology, 2014, 36(8): 1884-1890. doi: 10.3724/SP.J.1146.2013.01446
Authors:Cao Kai  Chen Guo-hu  Jiang Hua  Ma Huan
Abstract:A Guided Self-adaptive Evolutionary Genetic Algorithm (GSEGA) is proposed. The principle of good point set is used to generate the initial population. Based on the elitist preserved method, a way of parallel crossing and mutation with population-segmentation is offered, in which a son population among the segmented population is randomly generated. In addition, a guided self-adaptive mutation strategy based on the statistics of the more excellent individualities is adopted on the other part of the son population to speed up the evolution. Through the use of the homogeneous finite Markov chain model, the global convergence and high searching speed of the GSEGA is proved. The experimental results show that the GSEGA presents a higher speed and precision in comparison with the other Genetic Algorithms (GAs).
Keywords:Genetic Algorithm (GA)  Guided mutation  Good point set  Convergence  Markov chain
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《电子与信息学报》浏览原始摘要信息
点击此处可从《电子与信息学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号