利用分类启发式信息的遗传算子

摘要

传统的遗传算法（ＧＡ）在解决含有分类意义的组合优化问题（如点聚类、负载平衡、图着色等问题）遇到了困难。研究发现，影响ＧＡ搜索的主要因素是传统的交叉（ｃｒｏｓｓｏｖｅｒ）算子对聚类模式的搜索效率很低。该文提出针对聚类模式的含启发式信息的交叉算子，并给出结合分类启发式信息的两个应用实例：应用ＧＡ解决静态负载平衡问题和图着色问题，研究人员得到了优于以往传统方法（简单遗传算法、模拟退火算法和贪心算法等）的优化结果。