適應(yīng)性精英種群策略的遺傳算法用于多模函數(shù)優(yōu)化(完整版)
【正文】 multiple high fitness optima of the problems ? The effect of the distance parameter 結(jié)論 本文根據(jù)個體的不相似性和新型的依賴方向的精英遺傳算子，適應(yīng)性地調(diào)整種群大小，提出了一個適應(yīng)性精英種群遺傳算法（ AEGA），使得多模優(yōu)化問題中的最大多樣性和最小種群規(guī)模得以保持。 ? Step 2. 評價個體的適應(yīng)度。 基于生境遷移的動態(tài)小生境遺傳聚類算法： （ a）精英遺傳算子 精英交叉算子用于搜索精英個體，精英變異算子用于產(chǎn)生并 保護處于未探索到的峰上的精英個體。多模 GA的效率必須平衡兩方面的矛盾： ?精英搜索 ：精英策略在 GA中被廣泛采用，用于改善全局最優(yōu)搜索能力，但精英策略關(guān)注某些“最優(yōu)”個體，而減少了種群多樣性，而 GA又需要保持種群多樣性來發(fā)現(xiàn)多個最優(yōu)解。如何平衡精英搜索和多樣性保持對于構(gòu)建有效率的多模 GA是很重要的。 ? 精英交叉算子： ① 隨機選擇兩個個體 Pi和 Pj，利用交叉策略產(chǎn)生后代 Ci和 Cj； ? 精英交叉算子： ② 對 Pi和 Pj應(yīng)用不相似性判斷原則； ? 若 Pi和 Pj是不相似的：如果子代的適應(yīng)度大于父代，則用子代替換其父代；如果所有父代和子代的適應(yīng)度相同，則選擇距離最大的兩個個體替換父代個體。 ? Step 3. 執(zhí)行精英交叉和變異策略，并評價種群適應(yīng)度。 ? Step 5. 重復(fù) step3
外語相關(guān)推薦
鄂ICP備17016276號-1