APP下载

基于两点交叉多子代遗传算法

2016-05-05王福林付晓明朱会霞赵胜雪东北农业大学工程学院哈尔滨50030辽宁工业大学管理学院辽宁锦州00

东北农业大学学报 2016年3期

王福林,付晓明,朱会霞,赵胜雪(.东北农业大学工程学院,哈尔滨 50030;.辽宁工业大学管理学院,辽宁 锦州 00)



基于两点交叉多子代遗传算法

王福林1,付晓明1,朱会霞2,赵胜雪1
(1.东北农业大学工程学院,哈尔滨150030;2.辽宁工业大学管理学院,辽宁锦州121001)

摘要:针对目前遗传算法局部搜索能力差、收敛精度低问题,提出基于两点交叉多子代遗传算法(TPCMCGA),阐明该算法优越性,并给出多子代个体产生方法。该方法可增加优秀个体概率及算法在当前最优解周围搜索精度,提高算法局部搜索能力。在进化策略中引入种群内部竞争操作,使种群在有限生存空间内加速进化,提高算法运算速度。结果表明,与传统遗传算法相比,TPC-MCGA平均计算时间减少31%~36%,平均迭代次数减少50.2%~51.6%,TPC-MCGA运算速度与最优解精度均明显提高。

关键词:多子代遗传算法;两点交叉;子代数量;进化策略

王福林,付晓明,朱会霞,等.基于两点交叉多子代遗传算法[J].东北农业大学学报,2016,47(3):72-79.

Wang Fulin,Fu Xiaoming,Zhu Huixia,et al.Multi-child genetic algorithm based on two-point crossover[J].Journal of Northeast Agricultural University,2016,47(3):72-79.(in Chinese with English abstract)

遗传算法(Genetic algorithm,GA)是借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应智能优化算法[1-3],由John H.Holland教授于1975年首次提出[4]。与传统优化算法相比,遗传算法具有良好鲁棒性、灵活性、通用性及较强全局搜索能力[5-7],受到广泛关注。但遗传算法局部搜索能力较差,算法进化后期搜索效率较低、收敛精度和运算速度均难提高[8-9]。针对遗传算法不足,近年研究者不断改进。Zhang等在遗传算法中引入模拟退火机制,将模拟退火与遗传算法结合,提高算法局部搜索能力[10]。……

登录APP查看全文