一种遗传算法选择算子的设计策略

摘要

遗传算法(Genetic Algorithm,GA)是一种模拟生物进化的智能算法，具有全局优化性，广泛的适应性和显著的隐并行性等特点。遗传算法通过适当的编码方式把实际问题转化成生物种群的进化问题，经过多代的选择、交叉和变异操作得到可接受的问题的解；由于遗传算法只对解本身作操作，从而减弱了对研究人员的背景知识的要求，且避免了复杂的求导操作等，使得遗传算法在实际中得到了广泛的应用。 简单遗传算法(Simple Genetic Algorithm，SGA)作为一种启发式搜索算法，寻优理论还不完善，因此，在应用中常出现收敛过慢，局部搜索精度不够和早熟收敛现象等问题，而现有的一些改进措施并不能完全解决这些问题。由于简单遗传算法和现有的一些改进算法存在缺陷，论文提出了对遗传算法选择算子的改进方法，即把相似个体分在同一组中，以组为单位进行选择，并通过该组个体的特点进行高斯搜索生成新的群体。这样使得算法在搜索过程中不仅可以很好的保持个体的多样性，并且可以提高解的精确度。通过对11个函数(单峰和多峰)的仿真实验，证明了采用新的选择算子后，遗传算法在求解问题的精确度上有了很大的改善。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题的引出

1.2课题的研究现状

1.3本文的研究工作及创新点

1.4本文的组织结构

第2章遗传算法的综述

2.1遗传算法的起源与发展

2.2遗传算法的基本术语

2.3遗传算法的理论基础

2.4遗传算法的特点

2.5遗传算法的实现

2.6简单遗传算法

2.7改进的遗传算法

2.8遗传算法的研究现状与应用

2.9本章小结

第3章基于改进选择算子的遗传算法

3.1改进的选择算子

3.2改进算法的流程

3.3实验分析

3.4本章小结

第4章总结与展望

4.1工作总结

4.2研究展望

参考文献

攻读硕士学位期间发表的论文

致谢