APP下载

改进遗传算法在油茶果采摘机优化中的应用

2020-10-17宋莹莹王福林兰佳伟

农机化研究 2020年6期

宋莹莹,王福林,兰佳伟

(东北农业大学 工程学院,哈尔滨 150030)

0 引言

遗传算法是一种特殊的元启发式优化算法,它以生物进化理论为基础,利用统计学方法对一个大而有限的解空间进行智能搜索,是目前最常用、最有效的进化算法,被成功地应用于多个领域[1-6]。

遗传算法的搜索能力主要受两个因素影响,即种群竞争压力与多样性[5]。竞争压力过小,算法的搜索过程会变得随机,降低收敛速度;而如果迭代初期种群就失去多样性,会使算法搜索过程停滞,陷入局部最优区域。由此可知,种群竞争压力与多样性成反比关系,增大竞争压力会加速种群多样性的丧失,而维持种群多样性则抵消了竞争压力的影响[7]。因此,只有当种群同时具有多样性与竞争压力时,算法才会有较强的搜索能力。

竞争压力通常受交叉算子的影响,只有当交叉算子能够产生多个优质新个体时,才会向种群内部引入较大的竞争压力,而替换操作则是通过决定哪一新个体能够进入种群取代旧个体来维持种群多样性水平,消除竞争压力对多样性的影响。

因此,设计有效的交叉算子与替换操作对提升算法性能十分重要。现有交叉算子的搜索方向过于单一,无法扩展算子的搜索范围,且替换操作需要计算复杂的种群结构,影响算法的运行速度。

为了避免上述弊端,提出了一种改进交叉算子(IX)与替换操作(SSR)。IX算子利用配对父代的遗传信息,通过在不同的交叉方向上产生个体以实现扩大算子的搜索范围,提升解的质量与收敛速度。……

登录APP查看全文