欢迎光临本站!

改进遗传算法搜索性能的大变异操作

来源:技术探讨    更新时间:2019-12-20 14:25:18    编辑:老王    浏览:1548

  遗传算法GAs( Genetic Algorithms)产生于一些生物学家用计算机模拟生物进化过程的仿真实验。1960年,美国的J.H.Holland把它创造性地应用于人工系统,并成功地利用它解决了一些实际问题,例如“旅行商问题”从此,它的实用价值逐渐被人们所认识特别是近十年,由于计算机性能的提高,以及并行分布式计算的推广,GAs由于自身独特的优势而越来越受到人们的重视。

  但是,简单遗传算法SGAs( Simple Genetic Algorithms)由于自身固有的缺陷,通常优化过程的收敛速度较慢,而且算法稳定性较差本文针对这些问题提出了一种改进现有SGAs性能的操作—大变异操作BMO( Big Mutation Operation)。为了便于随后的讨论,我们将在第二节简单介绍SGAs的实现方法,在第三节将就BMO的基本思想和实现方法展开讨论,最后将给出该操作有效性的数值证明。

  本文的讨论主要在遗传算法函数优化问题这一应用领域展开,同样的思路也适用于其它应用领域。另外,为了简化问题,我们对变量空间点统一采用二进制编码方式,而对于其它的编码方式,文章提出的基本思想也同样是有效的。

上一篇:已经是第一篇

下一篇:简单遗传算法

评论区

表情

共0条评论
  • 这篇文章还没有收到评论,赶紧来抢沙发吧~

相关内容

点击排行

随机新闻

评论排行榜