刘丽芳 孟志刚 张常利

摘 要：本文针对遗传算法具有早熟或局部收敛的缺点，根据种群熵S的实际意义，设计了一种可按照当前种群熵S的大小自动切换适应度函数的自适应适应度函数。对基本遗传算法，分别采用指数适应度函数，反比例适应度函数和本文定义的自适应适应度函数，在三种常用检测函数上进行实验，结果表明采用自适应适应度函数的基本遗传算法继承了指数适应度函数和反比例适应度函数的优点，既有强劲的收敛能力，又能保持种群多样性，可以更好更快更精确地收敛到问题的最优解。

关键词：遗传算法种群熵S适应度函数

中文分类号： TP13文献标识码：aDoI: 10.3969/j.issn.1003-6970.2012.02.039

A Improved Genetic Algorithm Based on Population Entropy

LIU li-fang1, MeNG zhi-gang2, ZHaNG Chang-li1(1.College of Information Engineering, Taiyuan University of Technology, Taiyuan 030024, China; 2.College of Electrical Engineering, XinjiangUniversity, 830046, China)

【Abstract】According to the practical meaning of population entropy S, this paper designs a self-adapting fitness function which could automatically select a proper fitness function according to the population entropy S now. The test conducts on three common test functions with SGA adopted exponential fitness function, inverse proportion fitness function and adaptive fitness function respectively shows that SGA with adaptive fitness function inherit the advantage of both exponential fitness function and inverse proportion fitness function, and not only could search the population robustly but also could hold the variety of the population, and gets a better, more rapid and more accurate convergence to the optional solution.

【Key words】genetic algorithm; population entropy S; fitness function

0引言

随着经济社会的迅猛发展, 人类科学研究与生产活动的广度与深度都得到极大拓展，面对这浩瀚深邃的探索领域，各种复杂庞大、非线性、不确定、建模复杂及难以解析描述的新型问题对信息与控制科学提出了前所未有的挑战。为迎接这种挑战，各种智能信息处理算法如雨后春笋般涌现出来。作为其中的重要一员, 遗传算法以其鲁棒性强、易于实现和效果好的独特性能引起了人们的广泛关注[1]。虽然GA在许多领域都有成功地应用，但其本身还存在一些不足，主要有：局部搜索能力弱、存在早熟现象、收敛结果不稳定和随机漫游或振荡等现象[8]，这些缺点降低了遗传算法寻优性能和可信度。为此，国内外许多学者一直不懈努力，提出了各种改善遗传算法寻优性能的方法。……